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申请的专利基于数据驱动算法与机理模型耦合的RH脱碳参数预测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：CN121331288B 。

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：202511483431.2，技术领域涉及：G16C20/70；该发明授权基于数据驱动算法与机理模型耦合的RH脱碳参数预测方法是由孙乙力;姜媛馨;雷洪;赵岩设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本基于数据驱动算法与机理模型耦合的RH脱碳参数预测方法在说明书摘要公布了：本发明属于钢铁冶金技术领域，涉及一种基于数据驱动算法与机理模型耦合的RH脱碳参数预测方法，该方法包括：收集RH精炼过程的实际工业参数；建立机理模型；设定所述机理模型中拟合参数的初值范围；在所述初值范围内采样生成多组参数，输入所述机理模型进行计算，得到碳、氧质量分数随时间变化的初始数据集；对所述初始数据集进行预处理；利用预处理后的数据训练数据驱动算法；优化所述数据驱动算法的超参数，得到最优数据驱动算法；将工业实测的碳、氧质量分数输入所述最优数据驱动算法，输出预测的拟合参数的最优值。其有益效果是：通过机理模型与数据驱动算法的耦合，实现拟合参数预测与脱碳曲线模拟的双向优化，预测准确性显著提高。

本发明授权基于数据驱动算法与机理模型耦合的RH脱碳参数预测方法在权利要求书中公布了：1.一种基于数据驱动算法与机理模型耦合的RH脱碳参数预测方法，其特征在于，包括以下步骤： 步骤1：收集RH精炼过程的实际工业参数； 所述实际工业参数包括：进RH时钢液成分、进RH时钢液温度、钢包容量、真空室真空度、循环流量、吹氧流量及吹氩时刻； 步骤2：基于RH真空精炼工艺特性，建立机理模型； 所述机理模型中包含实际工业参数，步骤2中建立机理模型，包括以下步骤： 步骤2.1：将RH系统划分为钢包钢液区、真空室钢液区和真空室气体区； 步骤2.2：基于钢液完全混合、反应仅发生在真空室、速率受传质控制的假设，建立碳氧反应与传质的控制方程组； 步骤3：设定所述机理模型中拟合参数的初值范围； 所述拟合参数包括碳容积传质系数akC和氧容积传质系数akO，以及强制脱碳工况下的氧吸收效率β； 所述拟合参数的初值范围基于真空室容器截面积、钢水表面积、循环流量、搅拌功率及钢包容量中的一项或多项确定； 所述拟合参数的初始范围取值涉及以下公式： ； ； ； ； ； ； ； 式中，Q表示钢液循环流量，单位为kgs；w[C]V表示真空室中钢液溶解碳的质量分数，用10-4%表示；w[O]V表示真空室中钢液中溶解氧的质量分数，用10-4%表示；S为真空容器钢水表面积，单位为m2；G为钢液的循环流量，单位为m3s；ɛ表示脱气容器中的搅拌功率，单位为Wt；W为钢包容量，单位为t；a为常数，表示气-液有效接触面积，取值为10A；A为真空容器的截面积，单位为m2；P2表示真空室压强，单位为Pa； 步骤4：在所述初值范围内采样生成多组参数，输入所述机理模型进行计算，得到碳、氧质量分数随时间变化的初始数据集； 所述步骤4中，采用拉丁超立方采样方法在所述拟合参数的初值范围内生成N组参数组合；将每一组参数组合输入所述机理模型，计算得到钢液中碳质量分数和氧质量分数随时间变化的数据； 基于所述随时间变化的数据，提取在至少一个工况下的多个特定时间点的碳质量分数和氧质量分数，以构建用于训练所述数据驱动算法的初始数据集； 步骤5：对所述初始数据集进行预处理； 步骤6：利用预处理后的数据训练数据驱动算法； 步骤7：优化所述数据驱动算法的超参数，得到最优数据驱动算法； 步骤8：将工业实测的碳、氧质量分数输入所述最优数据驱动算法，输出预测的拟合参数的最优值。

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，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷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。