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！

龙图腾网获悉南京国清电力设备有限公司申请的专利一种基于多源信息融合的锅炉腐蚀动态感知与预警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：CN121350593B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511925331.0，技术领域涉及：G06F18/213；该发明授权一种基于多源信息融合的锅炉腐蚀动态感知与预警方法是由吴同旺;杨建忠;杨小波设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种基于多源信息融合的锅炉腐蚀动态感知与预警方法在说明书摘要公布了：本发明公开了一种基于多源信息融合的锅炉腐蚀动态感知与预警方法，属于工业设备健康监测领域，该预警方法具体步骤如下：采集并预处理各锅炉运行的多维度数据，并对处理后的各维度数据进行整合，生成相应的状态特征向量；本发明能够实现腐蚀风险的精细化表达，有效提高腐蚀隐患的提前识别能力与运行安全水平，提升预警的前瞻性与准确性；同时，本发明能够实现锅炉腐蚀的实时监控与预警，为安全运行提供保障，保证预警效果随时间和工况变化保持最优，显著提升腐蚀速率预测的准确性。

本发明授权一种基于多源信息融合的锅炉腐蚀动态感知与预警方法在权利要求书中公布了：1.一种基于多源信息融合的锅炉腐蚀动态感知与预警方法，其特征在于，该预警方法具体步骤如下： Ⅰ：采集并预处理各锅炉运行的多维度数据，并对处理后的各维度数据进行整合，生成相应的状态特征向量； Ⅱ：将各状态特征向量映射为对应的风险节点，分析各风险节点之间的因果关系，构建对应的腐蚀风险传播链；具体步骤如下： S2.1：基于各锅炉腐蚀的影响因素和状态特征向量，确定风险节点的分类标准，并筛选出温度异常、介质腐蚀成分超标、金属损耗量以及湿度超标作为关键指标，再将每一项指标定义为一个独立的腐蚀风险节点类型，之后按照风险节点的分类标准与类型，将各状态特征向量分别映射至对应的风险节点，建立状态特征向量与风险节点的一一对应或多对多关联关系，将连续变化的特征数据转化为节点属性的量化指标，得到每个节点的具体属性值； S2.2：基于各状态特征向量，对每个映射后的风险节点进行属性量化处理，确定各风险节点的属性维度，并通过统计分析和数值转换方法，将各状态特征向量的定性信息转化为定量数值，将连续变化的状态特征向量转化为风险节点属性的量化指标，最终得到每个风险节点的属性； S2.3：基于锅炉腐蚀的物理化学原理和历史运行数据，梳理各风险节点间的潜在因果关系，再分析不同风险节点对应的指标在腐蚀过程中的相互作用机制，若介质腐蚀成分超标，则风险节点会导致金属损耗量节点数值上升，若温度超出预设范围，则风险节点会加速关联过程，之后通过计算各风险节点属性值的相关性系数和时序关联度，初步筛选出满足预设需求的因果关联节点对； S2.4：构建并训练关联分析模型，并利用训练完成的关联分析模型，计算各风险节点之间的关联强度值，并按照从高到低排序，之后以关联强度值超出预设阈值的风险节点为起点，根据关联强度值的排序，依次连接上下游风险节点，形成多条初始的腐蚀风险传播路径，再整合所有腐蚀风险传播路径，构建相应的腐蚀风险传播链； 所述关联分析模型的具体训练步骤如下： P1.1：收集不同锅炉历史腐蚀案例中的风险节点数据，并将每个腐蚀案例对应的风险节点集合整理为节点特征矩阵，再根据各风险节点间真实因果关系，构建邻接矩阵，同时用数值量化风险节点对之间的关联强度，形成图结构数据样本，之后按预设比例划分训练集、验证集和测试集； P1.2：构建关联分析模型，并将训练集中的图结构数据分批输入关联分析模型，关联分析模型通过前向传播计算各节点对的关联强度预测值，之后基于交叉熵损失函数计算预测值与真实值的误差，再通过反向传播算法沿关联分析模型的网络层反向传递误差信号，并采用梯度下降算法更新关联分析模型各层的权重和偏置项； P1.3：设置训练迭代次数和批次大小，每完成一个批次训练后记录损失值，同时每完成一轮迭代后用验证集评估关联分析模型性能，并在训练过程中监控训练集损失和验证集损失变化趋势，若验证集损失连续多轮上升或训练至预设训练轮次，则停止训练，完成对关联分析模型的训练； Ⅲ：依据各状态特征向量与对应的腐蚀风险传播链，预测当前工况下锅炉的腐蚀速率，并计算对应的剩余使用寿命评估值；具体步骤如下： S3.1：收集不同类型锅炉的历史运行数据和腐蚀数据作为源域数据，并同步采集当前各锅炉的运行数据作为目标域数据，分别构建源域数据集和目标域数据集，之后从源域数据集提取各腐蚀速率特征，再基于提取的各特征，构建腐蚀预测模型，同时选择回归类算法作为腐蚀预测模型核心架构，以各特征为输入，腐蚀速率为输出对腐蚀预测模型进行训练，通过迭代优化调整模型参数； S3.2：采用统计分析方法对比源域数据与目标域数据的特征分布差异，并计算两类数据的特征均值和方差，分析差异产生的原因，确定当前锅炉与历史锅炉在各方面的区别，同时设定自适应损失函数，利用目标域数据对腐蚀预测模型的参数进行动态调整； S3.3：将目标域数据按比例划分为训练集和验证集，将训练集输入至腐蚀预测模型进行二次训练，采用最小批量迭代方式更新模型参数，重点优化与当前锅炉腐蚀特征强相关的参数权重，每轮微调后使用验证集评估模型的腐蚀速率预测精度，若预测精度未达到预设标准，继续调整学习率和迭代次数，直至腐蚀预测模型预测性能达到预设期望； S3.4：将各状态特征向量与对应的腐蚀风险传播链作为输入，传入至优化后的腐蚀预测模型，腐蚀预测模型通过实时计算输出当前各锅炉在现有运行工况下的腐蚀速率预测值，并持续接收更新后状态特征向量与腐蚀风险传播链，实时更新的腐蚀速率预测结果； S3.5：收集各锅炉的设计寿命参数和已运行时间对应的腐蚀量数据，并结合预测的腐蚀速率预测结果，通过累计腐蚀量核算方法，计算当前各锅炉已发生的腐蚀总量，再结合各设计寿命参数对应的允许最大腐蚀量，得到相应的剩余允许腐蚀量，之后依据各腐蚀速率预测结果，推算各剩余允许腐蚀量对应的使用时间，最终输出各锅炉的剩余使用寿命评估值； Ⅳ：基于各锅炉的历史腐蚀数据，动态优化相应的预警阈值边界，同时结合当前各锅炉运行状态，调整对应的预警触发条件； Ⅴ：实时监测各腐蚀风险传播链的运行状态，并结合优化后的预警阈值边界，对风险等级进行评估划分。

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南京国清电力设备有限公司，其通讯地址为：210000 江苏省南京市江宁区胜利路19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。