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！

龙图腾网获悉东北大学;中国矿业大学;江苏锐策智能科技有限公司申请的专利一种磨矿粒度软测量方法、系统、介质、设备及终端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：CN116952790B 。

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：202310946767.2，技术领域涉及：G01N15/02；该发明授权一种磨矿粒度软测量方法、系统、介质、设备及终端是由王殿辉;田朋鑫设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本一种磨矿粒度软测量方法、系统、介质、设备及终端在说明书摘要公布了：本发明属于磨矿粒度测量技术领域，公开了一种磨矿粒度软测量方法、系统、介质、设备及终端，将软测量模型的建立分为线性和非线性两部分，使用LASSO算法对时序展开的训练数据进行线性回归，建立线性软测量模型；根据模型权重分析时序特征，选择与输出相关的时序特征作为SCN的输入；使用真实值与LASSO算法预测值的残差作为SCN的输出并训练SCN，建立非线性软测量模型；通过弹性网络同步优化LASSO算法的线性软测量模型权重和SCN模型输出权重，获得最优软测量模型，并利用最优软测量模型实现磨矿粒度的软测量。本发明利用弹性网络在提高软测量模型预测精度的同时降低模型复杂度，使模型的存储成本更低、应用效果更好。

本发明授权一种磨矿粒度软测量方法、系统、介质、设备及终端在权利要求书中公布了：1.一种磨矿粒度软测量方法，其特征在于，包括：使用LASSO算法对时序展开的训练数据进行线性回归，建立线性软测量模型；根据模型权重分析时间序列特征，选择与输出相关的时间序列特征作为SCN的输入；使用真实值与LASSO算法预测值的残差作为SCN的输出并训练SCN，建立非线性软测量模型；通过弹性网络同步优化LASSO算法的线性软测量模型权重和SCN模型输出权重，获得最优软测量模型，最后利用最优软测量模型实现磨矿粒度的软测量； 磨矿粒度软测量方法包括以下步骤： 步骤一，设定训练数据X,Y并展开时间序列，交叉验证确定λLASSO； 步骤二，求解LASSO模型权重，并计算LASSO模型输出； 步骤三，选择SCN输入数据XSCN并计算输出数据YSCN，建立SCN模型； 步骤四，生成候选权重与偏置；定义监督机制，确定新节点权重与偏置，并更新隐含层输出权重； 步骤五，组合线性与非线性模型，构建软测量模型；交叉验证确定λE1,λE2，优化弹性网络权重，获得最优软测量模型； 步骤一中的时间序列展开包括： 在包含个样本、个输入特征和一个输出特征的原始数据和的基础上，将输入数据中每个特征展开成长度为 的时间序列； 步骤二中，利用LASSO算法求解线性模型，令： ； 则软测量模型的线性部分； 步骤三中，生成SCN训练数据，将中不为零的元素所对应的特征从原始输入数据 中取出，组合为SCN的输入数据，将真实值与LASSO算法预测值的残差作为SCN的输出数 据； SCN的输出，其中为各隐含节点的输入权重，为各隐 含节点的偏置，为隐含节点的激活函数，为各隐含节点的输出权重；在训练开始 前，给定和一个非负单调递增序列作为SCN的训练参数，网络通过 每次随机生成新的隐含节点的方式进行训练； 步骤四中，通过遍历序列生成组权重和偏置，每组中包含对从，范围内随机生成的隐含节点权重和偏置； 确定新节点权重与偏置，定义监督机制： ； 式中，为SCN在具有个隐含节点时的预测残差，当前为第个隐含节点 的添加过程；；选择使且最大化的和作为新节点的权重 与偏置，并将新节点加入SCN的隐含层中，更新和； 更新隐含层输出权重，令： ； 式中，为Moore-Penrose伪逆； 若网络预测误差小于容忍误差或网络隐含节点数达到设定的最大值，则停止训练；否则，则跳转至候选权重与偏置生成步骤继续添加新的隐含节点； 步骤五中，令软测量模型输出，则： ； 使用弹性网络优化软测量模型，设定优化向量和，长度分别与和相同， 令： ； 式中，表示Hadamard积，则优化后的软测量模型为： 。

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东北大学;中国矿业大学;江苏锐策智能科技有限公司，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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”。

以上内容由龙图腾AI智能生成。