Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 辽宁工程技术大学李金雨获国家专利权

辽宁工程技术大学李金雨获国家专利权

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!

龙图腾网获悉辽宁工程技术大学申请的专利一种瓦斯抽取过程的智能控制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:CN120331861B

龙图腾网通过国家知识产权局官网在2025-12-23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:202510737156.6,技术领域涉及:E21F7/00;该发明授权一种瓦斯抽取过程的智能控制方法及系统是由李金雨;王月然;庞佳伟;张河猛;辛天宇;王永军;丁姝慧;王铭野设计研发完成,并于2025-06-04向国家知识产权局提交的专利申请。

一种瓦斯抽取过程的智能控制方法及系统在说明书摘要公布了:本发明提供了一种瓦斯抽取过程的智能控制方法及系统,涉及瓦斯抽采技术领域。本发明基于多源传感数据采集、井巷耦合模型与深度强化学习控制融合,实现对抽采工况的动态评估与自适应调控。通过构建工况状态向量并持续优化控制策略,实现抽采效率提升、能耗降低和瓦斯浓度稳定。结合设备健康度指数评估与维护工单自动生成,保障抽采系统的运行安全与稳定,具备高精度、高智能与高可靠性等优点。

本发明授权一种瓦斯抽取过程的智能控制方法及系统在权利要求书中公布了:1.一种瓦斯抽取过程的智能控制方法,其特征在于,包括: 在目标瓦斯抽取区域布设多个环境-工况一体化传感节点,并按预设周期同步采集当前多源传感数据;所述多源传感数据包括当前瓦斯浓度值、当前抽采流量值、当前负压值、管网温度值以及设备振动-电气运行数据; 根据井巷流体-颗粒耦合物理模型与历史抽取样本对所述多源传感数据进行在线校正,得到预测瓦斯浓度值与预测抽采效率值; 将所述预测瓦斯浓度值、所述预测抽采效率值、所述当前负压值和所述当前抽采流量值共同构成工况状态向量,输入深度强化学习控制模型,得到包括负压调节量、阀门开度调节量和抽采流量调节量的控制指令,并基于包含抽采效率、浓度偏差与能耗因子的综合奖励函数,对所述深度强化学习控制模型进行持续自适应优化; 将所述控制指令下发至抽采执行单元,并通过所述抽采执行单元采集新的瓦斯浓度值、抽采流量值和负压值; 将新的瓦斯浓度值、抽采流量值和负压值和所述工况状态向量共同写入所述深度强化学习控制模型,以形成闭环自学习; 依据所述设备振动-电气运行数据计算设备健康度指数,并当所述健康度指数低于预设阈值时,自动生成维护工单; 所述井巷流体-颗粒耦合物理模型的表达式为: 其中,ρg为瓦斯气体密度;ug为瓦斯气体速度矢量;p为气体压力;μg为气体动力黏度;β为气-固动量耦合系数;φp为颗粒体积分数;up为颗粒速度矢量;ε为孔隙率;Cg为瓦斯体积分浓度;Deff为等效扩散系数;Kd为瓦斯吸附-解吸动力学系数;Ceq为瓦斯平衡浓度;βc为浓度耦合系数;‖·‖表示向量模长;ηpred为预测抽采效率;Qcalc为模型计算的抽采流量;Qleak为漏失流量;x为浓度衰减系数;Ctarget为目标控制浓度;为梯度算子;t为时间。

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辽宁工程技术大学,其通讯地址为:123000 辽宁省阜新市中华路47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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。