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！

龙图腾网恭喜金陵科技学院申请的专利基于专家模型的准分布式钢制电炉fsFBG温度智能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：CN119512260B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411633012.8，技术领域涉及：G05D23/20；该发明授权基于专家模型的准分布式钢制电炉fsFBG温度智能优化方法是由胡兴柳;朱婉玲;吴君毅设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本基于专家模型的准分布式钢制电炉fsFBG温度智能优化方法在说明书摘要公布了：基于专家模型的准分布式钢制电炉fsFBG温度智能优化方法，首先在电炉关键位置安装飞秒激光逐点直写光纤光栅传感器收集数据，并通过不同方法解调保证准确获取温度信息；接着建立专家模型，融合多个独立梯度提升树模型；然后进行深度数据分析，挖掘温度数据识别关键要素。基于专家模型和数据分析生成优化策略，通过高性能计算确定各种工况下最佳温度控制策略；再通过实时数据系统反馈优化策略至电炉控制系统并持续监控实际温度，利用PID控制器减少偏差；随后将调整后的控制策略转化为精确指令调控加热元件功率和冷却系统流量实现精准温度控制；最后定期评估电炉运行效果，对比温度控制和能耗情况，持续优化专家模型和控制算法。

本发明授权基于专家模型的准分布式钢制电炉fsFBG温度智能优化方法在权利要求书中公布了：1.基于专家模型的准分布式钢制电炉fsFBG温度智能优化方法，具体步骤如下，其特征在于：步骤1，收集传感器采集钢制电炉的相关数据，在钢制电炉关键位置上分布安装多个飞秒激光逐点直写光纤光栅传感器，通过不同方法解调不同信号，保证在复杂的电炉运行环境中准确获取温度信息；步骤2，建立专家模型，结合收集到的数据，将多个独立的梯度提升树模型融合获得更强大的集成模型，计算准确的温度数据；步骤2中建立专家模型的过程表示如下：步骤2.1，设有3个独立的梯度提升树模型，分别对匹配光栅法、边缘滤波法、可调谐FP滤波器法所采集的数据预测温度，每个模型都是通过梯度提升树算法训练获得；步骤2.2，训练每个专家模型，以下是单个梯度提升树专家模型实现方法；步骤2.2.1，初始化模型，初始化模型的预测值为一个常数，将该预测值描述为所有目标值的均值f0x： 式中，n是样本数量，x是样本，yi是第i个样本温度的真实值，L是损失函数，γ是常数；步骤2.2.2，迭代构建树，计算第m次迭代的负梯度： 式中，rim是每次迭代中计算的负梯度，表示当前模型预测值与真实值之间的差距方向和程度，用于指导下一棵树的构建，fm-1xi表示在第m次迭代之前，模型对第i个样本xi的预测值，使用训练数据和负梯度训练一颗回归树hmx，其叶节点区域记为Jm；步骤2.2.3，计算叶节点的值： 式中，Υjm表示第m次迭代中第j个叶节点区域的最优预测值，使得在该叶节点区域内的损失最小，Υ表示叶节点的值，Rjm表示在第m次迭代训练中得到的回归树hmx的第j个叶节点区域，Jm表示第m次迭代训练得到的回归树的叶节点区域，每个叶节点区域对应一个预测值；步骤2.2.4，更新模型： 式中，I·是指示函数，如果x在该叶节点区域则为1，否则为0；步骤2.2.5，经过M次迭代后，输出单个梯度提升树专家模型fx： 步骤2.3，集成每个专家模型的预测结果，利用平均法计算出最终的预测值；步骤3，深度数据分析，运用大数据技术挖掘温度数据，识别影响温度分布的关键因素，为优化控制提供数据支持；步骤4，生成优化策略，基于专家模型和数据分析，通过高性能计算确定各种工况下的最佳温度控制策略；步骤5，实时监控与调整，通过实时数据系统反馈来优化策略至电炉控制系统，并持续监控实际温度，通过PID控制器来减少反馈和设定的偏差；步骤6，精准温度控制，将经过PID控制器调整后的控制策略转化为精确的控制指令来调控电炉的加热元件功率和冷却系统的流量，确保温度达到最优状态；步骤7，效果评估与改进，定期评估电炉运行效果，对比温度控制和能耗情况，持续优化专家模型和控制算法。

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金陵科技学院，其通讯地址为：210000 江苏省南京市江宁区弘景大道99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”。