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！

龙图腾网获悉东北大学申请的专利一种基于数字孪生的高炉碳排放浓度预测方法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：CN119740702B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411827042.2，技术领域涉及：G06Q10/04；该发明授权一种基于数字孪生的高炉碳排放浓度预测方法是由张颖伟;张鼎森;商凯丞;金泳男;冯琳设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于数字孪生的高炉碳排放浓度预测方法在说明书摘要公布了：本发明提出了一种基于数字孪生的高炉碳排放浓度预测方法，涉及数字孪生技术领域，本发明采用多源数据融合，使用简单的机理模型构建高炉温度场，通过将运行参数与高炉顶部热成像图的图像关键特征相结合，并补充温度场特征，建立共享矩阵；进而利用ResNet50和自编码器提取图像特征，并建立随机森林RF模型。基于共享矩阵，构建随机权神经网络算法RVFLNs模型，并采用粒子群优化PSO算法组合随机森林RF模型和随机权神经网络算法RVFLNs模型的预测结果，从而提高预测精度。

本发明授权一种基于数字孪生的高炉碳排放浓度预测方法在权利要求书中公布了：1.一种基于数字孪生的高炉碳排放浓度预测方法，其特征在于，包括： 步骤1：实时采集高炉冶炼过程中的生产数据，所述生产数据包括运行参数、风口参数和多个高炉顶部热成像图，所述风口参数包括风口温度和风口速度； 步骤2：对所有高炉顶部热成像图进行筛选，得到未被装料溜槽遮挡的热成像图； 步骤3：根据未被装料溜槽遮挡的热成像图和风口参数，获取温度场特征，所述温度场特征包括温度梯度、最大温度和平均温度； 步骤4：将每个未被装料溜槽遮挡的热成像图，通过ResNet50和自动编码器进行特征提取，得到所有未被装料溜槽遮挡的热成像图的图像特征，并将其压缩为一个图像特征矩阵X，采用独立成分分析算法，对图像特征矩阵X进行提取，得到非高斯独立源特征S，采用ICA逆变换，对非高斯独立源特征S进行处理，得到图像关键特征Xe，将图像关键特征Xe和物理变量Z相结合，得到共享矩阵Xc=[Z;Xe]，其中，物理变量Z包括预处理之后的运行参数和温度场特征，采用主成分分析算法，提取共享矩阵中的高斯特征； 步骤5：根据非高斯独立源特征S和高斯特征，获得最终的一氧化碳浓度和二氧化碳浓度； 步骤5.1：通过基于随机森林回归算法的第一预测模型，对步骤4中的非高斯独立源特征S进行处理，得到一氧化碳的第一浓度预测值和二氧化碳的第一浓度预测值； 其中，所述第一预测模型是基于多个第一训练样本进行模型训练得到的，所述第一训练样本包括第一输入样本和第一输出样本，所述第一输入样本为历史非高斯独立源特征，所述第一输出样本包括所述历史非高斯独立源特征对应的一氧化碳浓度的真实值和二氧化碳浓度的真实值； 步骤5.2：通过基于随机权神经网络算法的多个不同的第二预测模型，对步骤4中的高斯特征进行处理，得到多个第二预测值，所述第二预测值包括一氧化碳的第二浓度预测值和二氧化碳的第二浓度预测值，根据预设的权重，对所有一氧化碳的第二浓度预测值加权平均，得到一氧化碳的第三浓度预测值，对所有二氧化碳的第二浓度预测值加权平均，得到二氧化碳的第三浓度预测值； 步骤5.3：通过粒子群优化算法PSO，确定第一权重和第二权重，根据第一权重和第二权重，对一氧化碳的第一浓度预测值和一氧化碳的第三浓度预测值进行加权求和，得到最终的一氧化碳浓度，根据第一权重和第二权重，对二氧化碳的第一浓度预测值和二氧化碳的第三浓度预测值进行加权求和，得到最终的二氧化碳浓度。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。