Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 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 > 恭喜深圳市亿天净化技术有限公司夏群艳获国家专利权

恭喜深圳市亿天净化技术有限公司夏群艳获国家专利权

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!

龙图腾网恭喜深圳市亿天净化技术有限公司申请的专利化学过滤器使用寿命的预测方法及装置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:CN119227550B

龙图腾网通过国家知识产权局官网在2025-03-11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:202411726467.4,技术领域涉及:G06F30/27;该发明授权化学过滤器使用寿命的预测方法及装置是由夏群艳;吴水田;潘明波;周沙沙设计研发完成,并于2024-11-28向国家知识产权局提交的专利申请。

化学过滤器使用寿命的预测方法及装置在说明书摘要公布了:本发明涉及寿命预测技术领域,公开了一种化学过滤器使用寿命的预测方法及装置,其中,该方法包括:采集化学过滤器的历史多维度使用状态数据并进行标准化预处理,得到时序特征数据集;进行负载特征聚类分析,得到过滤器负载模式特征向量;构建双层性能衰减预测模型,通过物理衰减系数计算和深度学习网络训练,输出目标性能衰减预测序列;进行过滤器状态概率转移计算,得到状态转移预测序列;对状态转移预测序列进行多目标联合优化,并计算得到最优运行控制参数;基于最优运行控制参数采集实时多维度使用状态数据,并对双层性能衰减预测模型进行参数调优,得到使用寿命预测模型,该方法提高了化学过滤器寿命预测的准确性和可靠性。

本发明授权化学过滤器使用寿命的预测方法及装置在权利要求书中公布了:1.一种化学过滤器使用寿命的预测方法,其特征在于,所述方法包括:采集化学过滤器的历史多维度使用状态数据并进行标准化预处理,得到时序特征数据集;对所述时序特征数据集进行负载特征聚类分析,得到过滤器负载模式特征向量;具体包括:分别对所述时序特征数据集计算第一时间窗口和第二时间窗口的累积过滤量,得到第一负载时序指标和第二负载时序指标,所述第一时间窗口的长度为24小时,所述第二时间窗口的长度为48小时;对所述第一负载时序指标和所述第二负载时序指标进行分段阈值计算,将所述第一负载时序指标划分为第一低负载段、第一中负载段和第一高负载段,将所述第二负载时序指标划分为第二低负载段、第二中负载段和第二高负载段,得到第一负载分段结果和第二负载分段结果;分别对所述第一负载分段结果和所述第二负载分段结果进行特征值提取,计算第一压力变化率、第一温度分布特征、第一效率衰减速率和第二压力变化率、第二温度分布特征、第二效率衰减速率,得到第一特征参数集和第二特征参数集;基于所述第一特征参数集和所述第二特征参数集构建双层特征关联矩阵,通过第一层局部关联计算和第二层全局关联计算,得到多尺度特征关联结果,并对所述多尺度特征关联结果进行主分量分析,提取第一主分量和第二主分量的特征组合,得到多维降维特征集;对所述多维降维特征集进行双重聚类计算,分别得到第一聚类中心和第二聚类中心,并通过所述第一聚类中心和所述第二聚类中心建立第一距离矩阵和第二距离矩阵进行模式判别,得到多层级负载模式标签;将所述多层级负载模式标签与所述多维降维特征集进行特征组合,通过第一特征映射和第二特征映射的级联变换,得到过滤器负载模式特征向量;基于所述过滤器负载模式特征向量构建双层性能衰减预测模型,通过物理衰减系数计算和深度学习网络训练,输出目标性能衰减预测序列;具体包括:将所述过滤器负载模式特征向量划分为第一特征子向量和第二特征子向量,其中所述第一特征子向量包含压力变化率和效率衰减速率,所述第二特征子向量包含温度分布特征和饱和度变化率;根据所述第一特征子向量构建物理衰减层,所述物理衰减层包括衰减参数计算单元和物理约束单元,所述衰减参数计算单元采用多项式拟合结构,所述物理约束单元采用边界约束结构;对所述衰减参数计算单元进行参数训练,所述衰减参数计算单元包含三阶多项式拟合模块和自适应权重模块,所述物理约束单元包含最大压降约束和最小效率约束;将所述第一特征子向量输入所述物理衰减层,通过衰减系数计算得到第一性能衰减预测序列;根据所述第二特征子向量和所述第一性能衰减预测序列构建深度学习层,所述深度学习层包括时序特征提取器和性能预测器,所述时序特征提取器采用双向长短期记忆网络结构,所述性能预测器采用残差注意力网络结构;所述时序特征提取器包含三层双向LSTM单元,每层LSTM单元包含128个隐藏节点,并在LSTM单元之间设置Dropout层;所述性能预测器包含五个残差块,每个残差块包含两个全连接层和一个通道注意力模块;将所述第一性能衰减预测序列和所述第二特征子向量输入所述深度学习层,通过网络训练得到第二性能衰减预测序列;构建融合优化层,所述融合优化层包含自适应权重模块和时序校准模块,对所述第一性能衰减预测序列和所述第二性能衰减预测序列进行动态加权融合;根据所述化学过滤器的历史性能衰减数据对所述自适应权重模块的权重参数进行在线更新,并通过所述时序校准模块对融合结果进行时序对齐,得到融合优化层的输出结果,将所述融合优化层的输出结果进行时序重构,生成目标性能衰减预测序列;对所述目标性能衰减预测序列进行过滤器状态概率转移计算,得到状态转移预测序列;对所述状态转移预测序列进行多目标联合优化,并计算得到最优运行控制参数;基于所述最优运行控制参数采集实时多维度使用状态数据,并对所述双层性能衰减预测模型进行参数调优,得到使用寿命预测模型。

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深圳市亿天净化技术有限公司,其通讯地址为:518000 广东省深圳市宝安区新安街道兴东社区67区隆昌路2号甲岸科技园1号厂房603;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”。

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。