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！

龙图腾网获悉北京科技大学申请的专利一种基于状态空间的深锥浓密机建模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：CN119670535B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411656449.3，技术领域涉及：G06F30/27；该发明授权一种基于状态空间的深锥浓密机建模方法及系统是由班晓娟;邵一洲;李潇睿;姚超;郭利杰;刘光生设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种基于状态空间的深锥浓密机建模方法及系统在说明书摘要公布了：本发明提供一种基于状态空间的深锥浓密机建模方法及系统，涉及人工智能技术领域，方法包括：获取深锥浓密机的历史运行数据；对历史运行数据进行预处理；在状态空间模型框架下，构建基于神经网络的深锥浓密机预测模型，其中，深锥浓密机预测模型包括分片操作模块、Mamba模块和预测单元模块；将预处理后的历史运行数据作为训练集输入至深锥浓密机预测模型，以对深锥浓密机预测模型进行训练，直至深锥浓密机预测模型的损失函数值小于预设损失函数值；输出训练后的深锥浓密机预测模型，完成深锥浓密机的建模。本发明可以确保该模型在不同工况下的泛化能力，准确预测深锥浓密机的底流浓度变化，提高膏体充填流程的效率和稳定性。

本发明授权一种基于状态空间的深锥浓密机建模方法及系统在权利要求书中公布了：1.一种基于状态空间的深锥浓密机建模方法，其特征在于，包括： S1：获取深锥浓密机的历史运行数据； S2：对所述历史运行数据进行预处理； S3：在状态空间模型框架下，构建基于神经网络的深锥浓密机预测模型，其中，所述深锥浓密机预测模型包括分片操作模块、Mamba模块和预测单元模块； 所述S3中的分片操作模块用于将长时间序列切割成多个子分片，即将整条时间序列划分为多个时段分片，具体包括： S301：将预处理后的历史运行数据转换为历史时间序列，将所述历史时间序列输入至所述深锥浓密机预测模型； S302：将输入的历史时间序列按固定长度进行分片处理： xpatch＝x[:,:,stride:P+stride] 其中，xpatch表示分片处理得到的分片，x表示历史时间序列，P表示分片长度，stride表示步长； S303：对各个子分片进行值嵌入操作和位置嵌入操作： xembed＝ValueEmbeddingxpatch+PositionEmbeddingxpatch 其中，ValueEmbedding表示用于将每个分片映射到一个固定维度的向量空间的值嵌入层，PositionEmbedding表示用于为每个分片添加位置信息的位置嵌入层，xembed表示嵌入后的历史时间序列； 所述S3中的Mamba模块用于提取历史时间序列中的关键特征和变量相关性，具体包括： S304：通过所述Mamba模块中的选择机制来处理历史时间序列： gt＝σWgxt+bg 其中，gt是在时间步t的选择门控向量，决定了每个特征或变量在当前时间步的重要性，xt表示历史时间序列中的t时刻数据，Wg和bg表示可学习参数，σ表示sigmoid函数，用于将线性输出转换为介于0和1之间的值，表示每个特征的重要性程度； S305：根据状态空间模型更新输出向量： 其中，表示表示随机初始化的可学习参数，hk表示当前时刻k的状态向量，hk-1表示k-1时刻的状态向量，⊙表示逐元素乘法，用于将门控向量gt与原始数据xt相乘，实质上是在选择每个变量的重要性后，对数据进行加权，模型将前一时刻的状态hk-1和当前时刻的输入xk结合起来，计算出当前时刻的状态hk； S306：基于更新后的输出向量生成预测输出： yk＝Chk 其中，yk表示k时刻预测输出，C表示将当前时刻k的状态向量hk转化为输出的输出矩阵； S307：通过Mamba模块中的前馈网络层提取所述预测输出中的关键特征： y＝SiLUW2SiLUW1x+b1+b2 其中，y表示经过前馈网络层的输出结果，SiLU表示SiLU激活函数，x表示预测输出yk，W1和W2均表示前馈网络层的权重，b1和b2均表示前馈网络层的偏置； 所述预测单元模块用于接收Mamba模块处理得到的所述关键特征，并输出预测结果： ypred＝WoutFFNx+bout 其中，Wout表示预测头输出层的权重，bout表示预测头输出层的偏置，ypred表示预测结果，FFN表示前馈网络层； S4：将预处理后的历史运行数据作为训练集输入至所述深锥浓密机预测模型，以对所述深锥浓密机预测模型进行训练，直至所述深锥浓密机预测模型的损失函数值小于预设损失函数值； S5：输出训练后的深锥浓密机预测模型，完成所述深锥浓密机的建模。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。