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！

龙图腾网获悉重庆蓝洁广顺净水材料有限公司申请的专利一种基于深度学习预测模型的智能加药控制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：CN115857355B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202211627325.3，技术领域涉及：G05B13/04；该发明授权一种基于深度学习预测模型的智能加药控制方法是由胡宗亮;刘筱枭;魏小兵;王明冬;谷飞;王洁设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于深度学习预测模型的智能加药控制方法在说明书摘要公布了：本发明提供一种基于深度学习预测模型的智能加药控制方法，属于人工智能技术领域，以解决现有技术在对自来水处理时，不能精准控制水处理药剂投放量及投放时机的问题，包括三大系统，数据处理系统、模型学习系统、MPC控制系统；数据处理系统生成模型训练需要的批量数据和MPC控制输出的实时数据；模型学习系统获取历史数据库数据离线学习生成预训练模型，并获取实时队列缓存数据在线学习增量更新模型，最终得到MPC控制系统的预测模型；MPC控制系统计算出最优控制结果。

本发明授权一种基于深度学习预测模型的智能加药控制方法在权利要求书中公布了：1.一种基于深度学习预测模型的智能加药控制方法，其特征在于：包括： 数据处理系统、学习系统和MPC控制系统； 数据处理系统包括如下步骤： 步骤11，多源数据采集：系统3秒～60秒采集一次各种传感器数据，包括源水浊度、源水流量、、温度、预沉浊度、沉水浊度、加药流量、加减车信号、排泥信号； 步骤12，异常数据处理：限定步骤11中的特征数据到对应正常范围内，，其中为特征数据正常范围；对缺失数据进行线性插值填充，插值算法如下:，其中表示需要插值数量，表示插值的位置，表示起始位置特征值大小，表示结束位置特征值大小，表示插值输出； 步骤13，数据规则化：不同数据源量纲不同，把数据归一化到[0,1]范围内；归一化公式为：，其中，，为特征数据的最小值和最大值； 步骤14，卡尔曼滤波：规则化的特征数据还存在很多突变和干扰，需要对数据进行滤波平滑处理； 模型和观测结果可以写成： 其中，，分别为系统内部状态、系统输入和测量输出，是过程噪声，为测量噪声，是过渡矩阵，是输入矩阵，是测量矩阵，k代表序列号；假设这些噪声过程为零均值高斯； 步骤15，队列缓存：建立一个固定大小的队列缓存，缓存大小为一个月数据量，队列缓存数据先进先出； 步骤16，持久化数据：如果队列缓存数据超过设定大小，则保存该队列缓存数据到历史数据库中; 学习系统包括离线预训练模型和在线学习模型： 离线预训练模型包括如下步骤： 步骤21，序列化数据：从历史数据库中批量读取数据进行时序序列化，取连续多个时间点的特征作为模型输入,为时序长度，取值范围[1,10]；为某个时间点的特征输入为，其中为水质相关特征参数，为特征值数量；取时刻的沉淀池出水浊度为模型输出； 步骤22，训练模型：创建包含两层的模型结构，第一层输入为时序数据，隐藏节点数设为32，第二层输入为第一层节点输出，隐藏节点数为16，为了防止过拟合，使用进行正则化；最后加上一个全连接层，输出节点数为1；使用adam优化器对模型迭代训练，得到预训练模型； 在线学习模型包括如下步骤： 从离线阶段训练的模型参数开始，以12小时～72小时的时间间隔读取实时队列缓存中的数据，使用adam优化器通过批处理训练来更新预测模型；在线学习与离线训练阶段必须具有相同的模型结构、初始学习率、相同的批量大小及相同的优化器； MPC控制系统包括如下步骤： 步骤31：构建优化器的目标函数如下： 其中，和是惩罚控制输入及其变化的正则化参数，为控制输入，为规则化后的加药流量值，为前后加药流量变化值，描述在给定当前状态和控制输入下系统在一个时间步长的输出关系； 步骤32：将当前时刻采集的多条数据信息序列化后送入预测模型，以滚动的方式计算当前时刻对未来预测时域内的沉淀池出水浊度预测序列；；代入目标优化函数，计算得到最优控制序列,并把作为系统的优化结果输出。

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重庆蓝洁广顺净水材料有限公司，其通讯地址为：402460 重庆市荣昌区工业园区广顺工业园；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。