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！

龙图腾网获悉南通富安环保科技有限公司申请的专利基于数字孪生的炉渣金属回收过程优化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：CN121028728B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511565727.9，技术领域涉及：G05B19/418；该发明授权基于数字孪生的炉渣金属回收过程优化方法是由邓富林设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本基于数字孪生的炉渣金属回收过程优化方法在说明书摘要公布了：本发明涉及计算技术领域，且公开了基于数字孪生的炉渣金属回收过程优化方法，本发明包括数据采集模块、数据驱动模型构建模块、数字孪生体构建模块、同步运行模块、在线校准模块、模拟优化模块、在线运行模块和模型自学习模块；本发明通过前瞻性仿真优化，直接将每批物料的回收率推向理论极限；通过混合模型和多目标优化，从系统层面实现降本增效；通过数字孪生体和自动执行，实现了过程标准化、控制智能化，显著提升了产品质量的稳定性和一致性；通过调整模型参数和工艺约束，可以快速适配不同规模、不同原料来源的冶炼厂，通用性强，易于标准化和产品化，使其具备高商业化扩张潜力和巨大的市场空间。

本发明授权基于数字孪生的炉渣金属回收过程优化方法在权利要求书中公布了：1.基于数字孪生的炉渣金属回收过程优化方法，其特征在于，具体包括以下步骤： S1、通过数据采集模块采集炉渣金属回收的历史数据，包括回收前、回收过程以及回收后的数据，并对数据进行预处理； 所述回收过程数据包括反应温度、pH值、搅拌速率、氧化还原电位ORP、反应时间和过程中的图像数据，其中图像数据包括溶液颜色和浑浊度； S2、定义输入向量与输出向量，并基于历史数据使用机器学习算法学习两者之间的复杂非线性关系，通过数据驱动模型构建模块构建数据驱动模型； S3、构建机理模型，并和数据驱动模型进行模型融合，通过数字孪生体构建模块构建炉渣金属回收过程的高保真数字孪生体； 所述机理模型引入浸出反应动力学方程作为约束和指导，融合的方法具体包括：物理约束损失函数：在神经网络的损失函数中增加一项物理正则项，惩罚那些违反机理方程预测结果；混合建模：将机理模型的输出作为一个或多个特征，与原始特征X一并输入到数据驱动模型中进行训练；符号回归：使用遗传编程方法直接从数据中发现符合物理规律的方程形式；并且数据驱动模型的学习过程受到反应动力学方程形式的约束； S4、进行物理实体运行，通过同步运行模块实时采集物理反应罐的数据，并将采集数据实时输入数字孪生体驱动孪生体同步运行； S5、同步采集关键参数在物理实体运行的实测值和孪生体的预测值，通过在线校准模块进行对比，并进行阈值判定，若误差超过阈值，则启动参数辨识算法并进行模型更新； 所述启动参数辨识算法并进行模型更新具体为： Jθ=Σ[rt-yt；θ]²； 其中Jθ为损失函数，找到一组新的机理参数θ，使得数字孪生体在整个近期时间窗口[t0,tc]内的预测序列，与实测序列的总体误差最小，yt；θ表示预测值依赖于要调整的参数θ；使用扩展卡尔曼滤波算法进行计算，参数辨识算法输出一组新的、最优的参数估计值θ1，系统用θ1立即反向优化调整孪生体内部机理模型中的关键参数，对数字孪生体进行更新，且每一批次的处理过程，都实时地训练和修正数字孪生体，更新后，数字孪生体从当前时刻开始，将使用这组新的参数进行预测； S6、在物理实体投料前，设定优化目标，通过模拟优化模块在设定的操作参数空间内，进行多次模拟仿真，寻找到一组最优操作参数； S7、系统直接将该参数下发至分布式控制系统，通过在线运行模块自动执行设备的最优操作参数，并采集实际结果和预测结果进行对比以验证模拟优化的准确性和有效性； S8、将本批次的完整数据作为新样本存入历史数据库，通过模型自学习模块进行下一轮模型训练，使数字孪生体持续进化。

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通富安环保科技有限公司，其通讯地址为：226500 江苏省南通市如皋市石庄镇永兴居委会五组；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。