買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中國礦業大學申請的專利基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114548267B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210159277.3，技術領域涉及：G06F18/2415；該發明授權基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法是由褚菲;鮑文超;許晨峰;毛騰;張海軍;陸寧云;何大闊設計研發完成，并于2022-02-21向國家知識產權局提交的專利申請。

本基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法在說明書摘要公布了：本發明公開了一種基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法，屬于工業安全運行智能控制技術領域。本發明主要步驟如下：首先，將異常工況的現象變量作為證據信息輸入到安全控制貝葉斯網絡模型中進行推理。其次，依據最大后驗概率原則制定相應的安全控制決策，并依據領域專家知識判斷安全控制決策是否合理。若合理，則實施該控制決策。若不合理，則繼續判斷是否發生新的異常工況，并按照判斷條件分別進行結構更新學習和參數更新學習。最后，利用更新完成的安全控制貝葉斯網絡模型重新獲取安全控制決策。本發明提出的重介質選煤過程安全控制模型更新方法，能夠提高模型適應選煤環境變化的能力，為操作人員提供安全、可靠的控制決策。

本發明授權基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法在權利要求書中公布了：1.基于增量學習的重介質選煤過程安全控制貝葉斯網絡模型在線更新方法，其特征在于：包括如下步驟：步驟1：采集重介質選煤過程中異常工況現象變量的數據信息，并將離散化后的數據進行作為證據，輸入到已有的安全控制貝葉斯網絡模型中進行推理，利用式1求取與異常現象相關的操作變量X的后驗概率： 其中，x是變量X的取值，e是變量E的取值；步驟2：根據步驟1計算的結果，遵循后驗概率最大的原則制定相應的安全控制決策；步驟3：依據步驟2中的安全控制決策在重介質選煤過程中的實施效果，判別該安全控制決策是否合理；若不合理則轉入步驟4，否則轉入步驟9；步驟4：利用式2-3判別是否發生新的異常工況；若未發生新的異常工況，則表明現有的安全控制貝葉斯網絡模型的結構不需要發生改變，只需更新原有模型的參數，即轉入步驟7；若發生新的異常工況，則表明現有的安全控制貝葉斯網絡模型的結構和參數都需要更新，即轉入步驟5； 其中，Dold和Dnew分別表示歷史數據和新采樣數據，Mold和Mnew分別表示舊數據集和新數據集的大小；n是變量的個數，ri是變量Xi的狀態個數，qi是變量Xi的父節點PaXi的狀態組合個數，mijk是變量Xi為狀態k同時其父節點在狀態j的樣本個數，是似然條件概率，m是樣本量；若ΔScoreBIC＞ξ，則表明當前模型只需進行模型參數更新學習；若ΔScoreBIC＜ξ，則表明當前模型需要進行模型結構更新學習和參數更新學習，ξ為設定的閾值；步驟5：采用基于增量學習的貝葉斯網絡結構更新方法更新貝葉斯網絡結構，然后轉入步驟7中；步驟5.1：利用式4-5辨識舊模型中不適應環境變化的部分結構； 其中，PaXi表示變量Xi的父節點，＜Xi,PaXi＞表示節點Xi、其父節點PaXi以及它們之間的邊所形成的局部結構；當ΔScore＜Xi,PaXi＞|D＞δ時，表明節點Xi附近的局部結構無需進行結構更新，其中δ是設定的閾值；當ΔScore＜Xi,PaXi＞|D＜δ時，表明節點Xi附近的局部結構需要進行結構更新；步驟5.2：根據步驟5.1辨識適應環境變化的局部結構G0及其相應節點集V1＝{X1,..,Xm}，將剩余的節點記為V2＝{Xm+1,...,Xn}；步驟5.3：利用式6計算集合V1和V2的平均互信息，并根據互信息大小將集合V2中的變量從大到小進行排序，排序后的集合記為V2*； 其中，xi和xj分別是變量集V1和V2的值；步驟5.4：設置學習步長t，判斷V2*是否為空，若為空則結構更新完成，返回結構G0；若不為空，則進行下一步；步驟5.5：取出集合V2*中的前t個變量放入集合V1中，并根據集合V1中的變量產生數據集Di；步驟5.6：采用式3所示的BIC評分函數作為評分標準，貪婪搜索為搜索策略，G0為初始搜索種子結構，得到本次迭代的結構Gi；步驟5.7：將G0替換為Gi，并返回步驟5.4；步驟6：安全控制貝葉斯網絡模型的結構更新完成，將其代替舊模型結構，并轉入步驟7；步驟7：利用式7進行安全控制貝葉斯網絡模型的參數更新學習； 其中，moldijk為舊數據中變量Xi為狀態k同時其父節點在狀態j的樣本個數，mnewijk為新數據中變量Xi為狀態k同時其父節點在狀態j的樣本個數；當ΔScoreBIC＜ξ時，舊結構模型不用改變，因此，新的參數通過新數據信息與原始數據信息進行整合而獲得；否則，則利用新數據信息獲取貝葉斯網絡參數；步驟8：將更新完成后的安全控制貝葉斯網絡模型代替舊模型，返回步驟1中，重新進行推理獲取安全控制決策；步驟9：實施安全控制決策。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國礦業大學，其通訊地址為：221100 江蘇省徐州市銅山區大學路1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。