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 > 青岛理工大学穆国庆获国家专利权

青岛理工大学穆国庆获国家专利权

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!

龙图腾网获悉青岛理工大学申请的专利基于状态空间模型的电解槽健康状态在线预测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:CN121167243B

龙图腾网通过国家知识产权局官网在2026-01-30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:202511695939.9,技术领域涉及:G06F18/21;该发明授权基于状态空间模型的电解槽健康状态在线预测方法及系统是由穆国庆;周杰;毕玉涛;陈锋;刘文庆设计研发完成,并于2025-11-19向国家知识产权局提交的专利申请。

基于状态空间模型的电解槽健康状态在线预测方法及系统在说明书摘要公布了:本申请涉及电解槽剩余寿命预测领域,公开了一种基于状态空间模型的电解槽健康状态在线预测方法及系统,包括获取电解槽的历史运行数据序列并进行预处理;将预处理后的所述数据序列进行小波分解为各尺度的子序列;将分解后的各尺度子序列并行输入至两个投影路径,采用全局数据依赖的多层感知机制对两个投影路径的融合输出进行全局数据依赖的动态调制,并将动态调制后的输出与原始输入的所述子序列进行残差连接。本申请通过小波多尺度分析、双路径融合、数据依赖动态调制与残差学习的协同作用,创造性地解决现有序列模型在长程依赖、计算效率、多尺度特征捕获和动态自适应能力方面难以兼顾的技术难题。

本发明授权基于状态空间模型的电解槽健康状态在线预测方法及系统在权利要求书中公布了:1.基于状态空间模型的电解槽健康状态在线预测方法,其特征在于,包括以下步骤: 获取电解槽的历史运行数据序列并进行预处理,所述历史运行数据序列为历史电阻数据序列; 对预处理后的所述数据序列输入至X-CMamba编码器,所述X-CMamba编码器至少执行以下步骤: 将预处理后的所述数据序列进行小波分解为各尺度的子序列; 将分解后的各尺度子序列并行输入至两个投影路径,两个所述投影路径中将所述子序列分别映射到高维特征空间并分别进行非线性变换;其中一个投影路径经过基于Mamba改进的状态空间模型M-SSM后输出并与另一个投影路径的输出进行融合输出; 对进行非线性变换后第一高维特征向量采用所述M-SSM进行选择性状态空间建模; 将进行非线性变换后所述第一高维特征向量中的第t个数据输入到M-SSM,并通过隐藏状态和第t个数据生成响应; 通过引入动态时间采样间隔将矩阵和转换为离散矩阵和,用于变换的方法是零阶保持,所述M-SSM将跳跃连接矩阵D输入时间序列动态生成,定义如下: 11a; 11b; 11c; 11d; 其中,A是状态转移矩阵,B和C是投影矩阵,D表示跳跃连接矩阵,表示单位矩阵,和分别表示t时刻和t-1时刻的隐藏状态,表示将跳跃连接矩阵D输入时间序列动态生成的跳跃连接矩阵; 将经过所述M-SSM处理的所述第一高维特征向量与进行非线性变换后的第二高维特征向量进行逐元素相乘,生成最终用于该尺度子序列的高维特征表示; 采用全局数据依赖的多层感知机对所述融合输出进行全局数据依赖的动态调制,并将动态调制后的输出与原始输入的所述子序列进行残差连接,作为全局数据依赖的多层感知机输出; 通过逆小波变换合成为重构后的时域特征作为所述X-CMamba编码器的输出; 将所述重构后的时域特征输入至预测器,输出对未来时刻电解槽健康状态的预测结果。

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青岛理工大学,其通讯地址为:266033 山东省青岛市市北区抚顺路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。

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。