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！

龙图腾网获悉江苏省国信研究院有限公司申请的专利基于物理信息神经网络的生物质气化反应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：CN121787287B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610262977.3，技术领域涉及：G06F30/27；该发明授权基于物理信息神经网络的生物质气化反应建模方法及系统是由李存磊;郑世津;丁宏;周飞;张鹏;叶兴沛;刘明瑞;刘洲;揭啸晨;范钦山;付亦葳;程曼秋设计研发完成，并于2026-03-05向国家知识产权局提交的专利申请。

本基于物理信息神经网络的生物质气化反应建模方法及系统在说明书摘要公布了：本发明涉及生物质能源过程建模技术领域，公开了基于物理信息神经网络的生物质气化反应建模方法及系统。该方法包括：获取原始气化数据并执行数据张量化，得到特征张量；训练对抗网络模型以生成覆盖未见工况的增强型气化特征数据集；构建残差双流网络架构包括热力学平衡流子网计算理论基准，非平衡动力学流子网学习偏差修正；构建物理约束损失函数对残差双流网络架构进行微调训练，得到物理约束优化模型；对该物理约束优化模型执行反向寻优，输出优化操作参数。本发明解决了传统模型的预测偏差与违反物理规律的难题，实现了从高精度预测到主动工艺优化的功能闭环，显著提升了模型在原料波动下的预测精度与泛化能力。

本发明授权基于物理信息神经网络的生物质气化反应建模方法及系统在权利要求书中公布了：1.基于物理信息神经网络的生物质气化反应建模方法，其特征在于，所述方法包括： 获取表征生物质气化反应过程的原始气化数据，对原始气化数据执行数据张量化操作，输出用于数据增强处理的特征张量，对特征张量执行对抗式博弈训练，得到对抗网络模型，对未被实验覆盖的工况区域进行采样并调用对抗网络模型，得到增强型气化特征数据集； 基于增强型气化特征数据集执行热力学平衡流子网计算，得到理论平衡态预测结果集，通过理论平衡态预测结果集构建并训练非平衡动力学流子网，调用非平衡动力学流子网进行计算，得到预测动力学偏差向量，对预测动力学偏差向量执行融合，得到最终合成气组分预测结果集完成对残差双流网络架构的预构建； 构建物理约束损失函数对残差双流网络架构进行微调训练，得到物理约束优化模型，对物理约束优化模型执行反向寻优，输出用于指导气化工艺的优化操作参数； 所述理论平衡态预测结果集的获取方法包括：增强型气化特征数据集包括仿真源特征张量和实验源特征张量以及未被实验覆盖区域的增强特征张量； 对于增强型气化特征数据集中的每一个特征张量，从其包含的工况特征向量和原料特征向量中提取原子组成信息、气化温度和气化压力作为输入参数； 将所述输入参数送入热力学平衡流子网进行计算，得到一组描述了平衡状态下各气相产物摩尔数的解； 将所述解转换为各自在总气体中的体积分数，得到理论平衡态预测向量，其中，总气体是指达到热力学平衡时，反应体系中所有以气态形式存在的产物的混合物，将增强型气化特征数据集中每一个特征张量对应的理论平衡态预测向量进行组合，得到理论平衡态预测结果集； 所述最终合成气组分预测结果集的获取方法包括：对于增强型气化特征数据集中的每一个特征张量，调用非平衡动力学流子网，计算出特征张量对应的预测动力学偏差向量； 将所述预测动力学偏差向量与特征张量对应的理论平衡态预测向量进行逐元素加法运算，得到一个合成气组分预测向量，该合成气组分预测向量中的每一个元素值，均为理论平衡态预测向量中的对应元素值与预测动力学偏差向量中的对应元素值相加的结果； 将所有特征张量计算出的合成气组分预测向量进行组合，得到最终合成气组分预测结果集。

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江苏省国信研究院有限公司，其通讯地址为：210005 江苏省南京市秦淮区中山南路1号中心61层C区；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。