买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利融合XGBoost和PSO的转底炉操作参数优化方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119358400B 。

龙图腾网通过国家知识产权局官网在2025-10-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411459428.2，技术领域涉及：G06F30/27；该发明授权融合XGBoost和PSO的转底炉操作参数优化方法及系统是由蒋胜龙;邬冠洲;吕学伟;彭程;游洋;张元玲;游志雄;吴正怡设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本融合XGBoost和PSO的转底炉操作参数优化方法及系统在说明书摘要公布了：本发明属于工业自动化技术领域，具体公开了一种融合XGBoost和PSO的转底炉操作参数优化方法及系统，该方法包括如下步骤：基于转底炉工艺原理及其能质转换关系，通过定义决策变量、约束条件以及目标函数，得到转底炉操作参数优化的数学模型；获取转底炉工业现场的实际生产数据并对其进行预处理，基于XGBoost的代理模型建立物质、能源投入与物质产出、碳排放指标之间的映射关系；在PSO算法对操作参数迭代寻优的过程中，使用训练好的XGBoost代理模型计算目标函数，从而获得优化模型的近优解。采用本技术方案，将代理模型和群智能算法进行融合与集成，以实现对工业现场操作参数设定的指导作用。

本发明授权融合XGBoost和PSO的转底炉操作参数优化方法及系统在权利要求书中公布了：1.一种融合XGBoost和PSO的转底炉操作参数优化方法，其特征在于，包括如下步骤： 基于转底炉工艺原理及其能质转换关系，定义决策变量、约束条件和目标函数，获得操作参数优化模型； 收集转底炉工业现场的实际生产数据并对其进行预处理，建立基于XGBoost的代理模型，获得转底炉操作过程中物质、能源投入与物质产出、碳排放指标之间的映射关系； 基于XGBoost模型计算目标函数值，采用PSO算法对操作参数进行迭代寻优，获得转底炉操作参数优化模型的近优解； 基于转底炉工艺原理及其能质转换关系，定义决策变量、约束条件和目标函数得到操作参数优化模型的方法为： 操作参数包括物质操作参数与能源操作参数，其中，物质操作参数为原料各料仓的配比，能源操作参数为转底炉工艺中加热段以及各还原段的设定温度，将原料配比向量x与设定温度向量θ作为可控的决策向量，令x＝{xi|1≤i≤I}，θ＝{θj|1≤j≤J}，其中xi表示第i个料仓配比；θj表示第j个设定温度参数；I表示料仓个数；J表示设定温度参数的个数； 确定决策变量后，根据转底炉工艺中的能质转换原理，选取碳排放指标f1x、金属收得率f2x和配比成本f3x三类指标作为模型的优化目标，构建目标函数minf： minf＝f1，f2，f3 f1＝XGB1x，θ f2＝XGB2x，θ 其中，f1和f2两项指标需要通过XGBoost代理模型输出获得，XGB1x，θ，XGB2x，θ表示对应的碳排放指标与金属收得率XGBoost代理模型；表示上一次配比方案中的取值； 建立基于XGBoost的代理模型，获得转底炉操作过程中物质、能源投入与物质产出、碳排放指标之间的映射关系，具体方法为： 将实际生产数据的特征属性划分为输入原料、输出产物和操作条件，采用特征递归消除与交叉验证RFECV方法，对实际生产数据的特征进行筛选以及排序，获得输入特征的重要性优先级：操作条件最优，能源输入次优，物质输入第三优； 将输入特征输入到XGBoost模型中进行训练： 其中，表示输出的碳排放指标以及金属收得率的预测值；x为原料配比向量，θ为设定温度向量；XGB1、XGB2表示碳排放指标与金属收得率的XGBoost代理模型； S1，粒子群初始化： 定义各料仓原料配比与设定温度等决策变量的值为粒子群的位置向量x，θ分别表示粒子群每个粒子的位置，也即原料配比和设定温度的取值；I表示料仓个数；J表示设定温度参数的个数；m表示迭代代数，此处m＝1；粒子群每次更新时原料配比，设定温度的速度向量v表示粒子群每个粒子的速度；对位置和速度进行初始化，初始化粒子群大小POP_SIZE，迭代次数MAX_ITER，惯性因子w，学习因子c1和c2，c1表示使粒子倾向于个体最优位置的加速权重；c2表示使粒子倾向于全局最优位置的加速权重； S2，通过XGBoost代理模型获得原料配比与设定温度当前的位置所对应的碳排放指标f1与金属收得率f2，计算粒子当前的适应度fitx，θ： fitx，θ＝αf1+βf2+γf3+ε 即 转换为 其中，α，β，γ表示对应目标函数的权重；ε表示约束条件对应的惩罚项；表示碳排放指标的预测结果；表示金属收得率的预测结果；表示前次配料方案的配比，xi表示第i个料仓的配比； S3，将fitx，θ分别与个体历史最优值fitpbest和种群历史最优值fitgbest进行比较，并更新个体历史最优位置pbest以及种群历史最优位置gbest，如果fitx，θfitpbest，则更新pbest＝x，θ；如果fitx，θfitgbest，则更新gbest＝fitx，θ； 分别更新各决策变量的位置与速度其中，xm与θm分别表示第m代粒子群中每个粒子的位置，也即原料配比和设定温度；vm表示第m代粒子群中每个粒子的速度；更新公式如下： Vi＝w*Vi+c1*rand*pbesti-x,θi+c2*rand*gbest-x，θix，θi＝x,θi+Vi 如果达到最大迭代数，则输出结果，否则返回步骤S1。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。