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！

龙图腾网获悉中交公路长大桥建设国家工程研究中心有限公司申请的专利基于工业数据分析混凝土配合比优化系统及其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：CN121075518B 。

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：202511276113.9，技术领域涉及：G16C60/00；该发明授权基于工业数据分析混凝土配合比优化系统及其方法是由高原;冯良平;韩笑;胡少鹏;任京华;高志浩;谢恩慧设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本基于工业数据分析混凝土配合比优化系统及其方法在说明书摘要公布了：本发明涉及工业数据分析技术领域，尤其涉及基于工业数据分析的混凝土配合比优化系统及其方法，包括数据采集与感知模块、数据储存与处理模块、核心分析模块以及应用输出模块；本发明相对于现有技术主要依赖实验室试配和工程师经验，存在周期长、成本高且难以应对原材料波动的缺点，本方案采用基于机器学习的性能预测模型与多源实时工业数据融合分析，能够快速精准地预测混凝土性能，显著提升配合比设计效率与科学性，实现从经验驱动到数据驱动的根本转变。

本发明授权基于工业数据分析混凝土配合比优化系统及其方法在权利要求书中公布了：1.基于工业数据分析混凝土配合比优化系统，其特征在于：包括： 数据采集与感知模块，用于获取混凝土生产的多源工业数据； 数据储存与处理模块，用于对数据采集与感知模块所采集到的多源工业数据进行清洗、数据融合以及特征工程； 核心分析模块，用于通过机器学习模型预测混凝土性能，并运用多目标优化引擎权衡成本、性能及环保指标，最终输出最优配合比方案； 应用输出模块，用于输出优化后的配合比方案及控制指令； 其中，数据采集与感知模块具体包括： A11：近红外光谱仪，用于实时监测骨料的含水率； A12：激光粒度分析仪，用于检测粉状原材料的细度； A13：密度计，用于检测减水剂的浓度和含固量； A14：机器视觉系统，用于通过图像处理和深度学习算法，可以实时分析骨料的颗粒级配和粒形； A15：pH值传感器，用于监测减水剂溶液的pH值； A16：温度传感器阵列，用于监测原材料温度； A17：在线粘度计，用于实时监测拌合物的流变性能； 核心分析模块具体包括： A21：基于机器学习的性能预测模型，用于利用历史数据训练模型，快速准确地预测指定配合比下混凝土的强度、坍落度指标； A22：多目标优化引擎，用于在多重目标与约束条件下进行权衡与搜索，自动生成最优的配合比方案集合； A23：数字孪生仿真单元，用于基于物理机理模型模拟混凝土水化过程与微观结构演变，预测其长期耐久性与服役性能； 数据储存与处理模块在工作时，具体包括： S11：接收来自数据采集与感知模块的原始数据流，其中，原始数据流包括来自在线监测传感器的实时原材料特性数据、来自生产设备的过程时序数据、来自实验室的配合比与性能数据，以及通过数据接口接入的宏观供应链数据； S12：对所述原始数据流进行数据清洗，包括处理缺失值、剔除因传感器故障或传输干扰产生的异常值，并对不同来源的数据进行单位统一与格式标准化； S13：将清洗后的多源数据进行时空对齐与融合，所述时空对齐包括为所有数据打上统一的时间戳，并基于配方号和生产批次号进行关联，构建用于分析的完整数据记录； S14：对融合后的数据执行特征工程操作，该操作包括： A.计算派生特征，所述派生特征包括水胶比、胶凝材料总量和砂率； B.从过程时序数据中提取统计特征，所述统计特征包括搅拌电流的平均值、方差和特定时间区间的积分值； C.对宏观供应链数据进行预处理，生成反映原材料价格未来趋势或库存成本的特征； S15：将经过特征工程处理后的高质量数据集输出至核心分析模块，以供其基于机器学习的性能预测模型进行训练和推理； 基于机器学习的性能预测模型在工作时，具体包括： S21：接收来自数据存储与处理模块输出的数据集，该数据集包含历史配合比数据、对应的实时原材料特性数据、过程数据特征及宏观特征； S22：将数据集按时间戳划分为训练集与测试集，并利用训练集对预设的机器学习算法进行训练，以拟合配合比特征与混凝土性能指标之间的复杂非线性映射关系，其中，在利用训练集对预设的机器学习算法进行训练时，目标函数为： ； 其中，为最优模型参数，为模型参数，为第i个样本的混凝土性能指标实际值，为经验损失项，表示模型M在给定参数下，对第i个输入特征向量的预测结果，为正则化项，为正则化函数，为正则化系数； S23：将训练完成的模型部署于生产环境中，接收新的配合比方案及对应的实时传感器数据，并生成对混凝土关键性能指标的预测值； S24：将预测值输出至所述多目标优化引擎，作为进行方案寻优与评估的核心依据； 多目标优化引擎在工作时，具体包括： S31：接收来自所述基于机器学习的性能预测模型对于一组候选配合比方案的性能预测值，以及来自所述数字孪生仿真单元的长期耐久性指标预测值； S32：定义多个优化目标函数，其中，定义的优化目标函数具体包括成本目标函数、性能目标函数以及环保目标函数； S33：定义约束条件集合，其中，定义的约束条件集合包括性能约束、耐久性约束以及配方约束； S34：采用多目标优化算法，基于所述目标函数和约束条件，在配方解空间内进行迭代搜索，生成一组帕累托最优解集，其中，帕累托最优解集中的每个解代表在多个目标之间的一种最优权衡方案； S35：采用加权融合的方式对成本以及性能进行融合，得到最优解集中的每个解的优先级指数，并根据计算得到的优先级指数对帕累托最优解集进行排序和输出。

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中交公路长大桥建设国家工程研究中心有限公司，其通讯地址为：100088 北京市西城区德胜门外大街85号3层302；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。