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！

龙图腾网恭喜沈阳工业大学;辽阳富强生物科技有限公司申请的专利一种生产过程中反应液葡萄糖含量的实时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：CN117912598B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202410089966.0，技术领域涉及：G16C20/70；该发明授权一种生产过程中反应液葡萄糖含量的实时预测方法是由庄殿铮;薛飞;朱玉华;关学铭;刘智;杨安定;唐曜环;李学俊;徐远升;梁宇;殷宇航;刘中原;郭沣莹;王凯设计研发完成，并于2024-01-23向国家知识产权局提交的专利申请。

本一种生产过程中反应液葡萄糖含量的实时预测方法在说明书摘要公布了：本发明属于葡萄糖酸盐生产技术领域，具体涉及一种生产过程中反应液葡萄糖含量的实时预测方法。本发明选择监测生产过程中可以测得的变量，进行数据的采集与预处理，通过历史数据建立数学关系或模型，用软件或算法替代硬件功能，实现对生产过程中反应液葡萄糖含量的实时预测。本发明公开的方法和装置可以实现生产过程中反应液葡萄糖含量的实时预测，预测结果可以满足实际生产的要求。

本发明授权一种生产过程中反应液葡萄糖含量的实时预测方法在权利要求书中公布了：1.一种生产过程中反应液葡萄糖含量的实时预测方法，其特征在于，具体包括如下步骤： 步骤1、数据采集；采用双酶法制备葡萄糖酸盐，启动反应装置同时启动数据采集系统，每2秒采集一次并记录、存储各变量的检测值，各项检测数据以采集时间为索引排序、存储，采集的多个变量数据形成神经网络模型使用的输入数据集；定时人工取样使用滴定方法测量反应液的葡萄糖含量值，形成神经网络模型使用的输出数据集；测量葡萄糖含量值低于给定值后，结束本次反应和数据采集； 重复多次上述双酶法反应和数据采集，得到多组输入数据集和输出数据集，第一次双酶法反应采集的数据形成第一阶段第1组输入数据集和输出数据集，第n次双酶法反应采集的数据形成第一阶段第n组输入数据集和输出数据集，n为双酶法反应次数，n≧2； 步骤2、数据的存储方法：步骤1中自动存储的采集数据按采集时间为索引排序编号，相同采集时间采集的各变量数据各占一列并排成一行，形成一条数据记录，多条数据记录形成输入变量数据集；葡萄糖含量的人工取样滴定测量值，按人工取样时间为索引存储，选取人工取样时间与输入变量数据集中的采集时间相同的存储数据所在行，填入该行的所在列，形成输出数据集；输出数据集中葡萄糖含量值的数据记录条数少于输入数据集中输入变量的数据记录条数，采用插值法对空缺的葡萄糖含量值数据进行生成，形成与输入变量数据记录逐条对应的输出数据集，命名为第二阶段第1组至第n组输入数据集和输出数据集，n为双酶法反应次数，n≧2； 步骤3、反应釜及附件的自然散热量的数据采集：原料中去除葡萄糖氧化酶、过氧化氢酶，其他原料与步骤1完全相同，各项反应条件和工艺参数与步骤1完全相同，启动反应装置和数据采集系统，待原料液体温度与室温相同后继续采集数据0.5小时，停止反应装置和数据采集系统运行，结束数据采集；本步骤采集数据的存储方法与步骤2类似，存储后命名为近似值测量第一阶段变量数据集；如果步骤1中重复多次的双酶法反应过程和数据采集过程中的反应原料和反应条件没有变化，本步骤的数据采集进行一次即可； 步骤4、最佳时间周期数据合并：按确定的最佳时间周期，对第二阶段第1组至第n组输入数据集和输出数据集中的数据进行处理，形成较长时间周期的数据结果集，命名为第三阶段第1组至第n组输入数据集和输出数据集n为双酶法反应次数，n≧2；按相同的最佳时间周期，对近似值测量第一阶段变量数据集中的数据进行处理，形成较长时间周期的数据结果集，命名为近似值测量第二阶段变量数据集； 步骤5、数据的计算：对步骤4中部分变量数据进行数据计算，得到新的变量和变量数据，并以第三阶段第1组至第n组输入数据集和输出数据集中每行数据的序号为索引，与第三阶段第1组至第n组输入数据集和输出数据集中原有的数据合并存储在一起，形成第四阶段第1组至第n组输入数据集和输出数据集，n为双酶法反应次数，n≧2； 步骤6、数据的处理：步骤5的第四阶段第1组至第n组输出数据集，对其进行归一化处理，得到的输入变量数据集和输出变量数据集命名为第五阶段第1组至第n组输入数据集和输出数据集，n为双酶法反应次数，n≧2； 步骤7、变量的筛选：对第五阶段第1组至第n组输入数据集和输出数据集中的各输入变量进行筛选，选取与葡萄糖含量值关联度高的变量及数据组成输入变量数据集，原有的葡萄糖含量值数据为输出变量数据集，形成第六阶段第1组至第n组输入数据集和输出数据集，n为双酶法反应次数，n≧2； 步骤8、模型训练：以第六阶段第1组至第n组输入数据集和输出数据集中数据为输入变量和输出变量，对神经网络模型进行训练，得到训练后的模型； 步骤9、葡萄糖含量的预测：使用步骤8中训练完成后的模型对新的反应过程进行反应液中葡萄糖含量的预测。对于需要预测反应液中葡萄糖含量的反应过程，按步骤7中筛选得到的关联度高的变量种类选择需要采集数据的变量，采集这些变量在新的反应过程中的实时数据，然后按照步骤1至6，检测、采集、存储、计算、数据合并和处理这些变量的数据，对处理完成的数据进行归一化处理，形成预测阶段输入变量数据。将预测阶段输入变量数据输入步骤8训练完成的模型，经计算得到输出值，将输出值按归一化处理方法进行反向处理得到的结果即为与预测阶段输入变量数据对应的葡萄糖含量的预测值； 对于步骤5中反应釜及附件的自然散热量QR的数据计算方法为： 步骤a：对步骤4中近似值测量第二阶段变量数据集中变量数据进行计算，得到新的变量和变量数据，并以近似值测量第二阶段变量数据集中每行数据的序号为索引，与数据集中原有的数据合并存储在一起，形成近似值测量第三阶段变量数据集，变量和数据的计算方法如下： 1计算得到近似值测量阶段气体带走热量TQG TQGi＝TCFGi-TCFGi-1×ρG×CG×TTGOi-TTGIi 式中，i为近似值测量第二阶段数据集当前数据记录行序号，i≧2，TQG1的值为空值；ρG为空气的密度，取值ρG＝1.29kgm3，CG为空气的比热容，取值CG＝1.005kJkg*K。 2计算得到近似值测量阶段循环水带走热量TQL TQLi＝TLWi-TLWi-1×ρL×CL×TWTOi-TWTIi 式中，i为近似值测量第二阶段数据集当前数据记录行序号，i≧2，TQL1的值为空值；ρL为水的密度，取值ρL＝1000kgm3，CL为水的比热容，取值CL＝4.1829kJkg*K； 3计算得到近似值测量阶段反应釜及附件的自然散热量TQR TQRi＝mcTTRLi-1-TTRLi-TQGi-TQLi 式中，i为近似值测量第二阶段数据集当前数据记录行序号，i≧2，TQR1的值为空值；m为反应液的质量，c为反应液的比热容； 步骤b：获得计算QR的函数公式： 以近似值测量第三阶段变量数据集中反应液温度TTRLj为输入变量，TQRj为输出变量进行曲线拟合，得到的二阶多项式函数为： TQRj＝0.4477×TTRLj 2-28.82×TTRLj+465.51 式中，j为近似值测量第三阶段变量数据集当前数据记录行的序号，j≧2，TQR1的值为空值，不使用，TTRLj为近似值测量阶段第三阶段变量数据集第j行的反应液温度值； 将函数1转换为计算QR的函数如下： QRx＝0.4477×TRLx 2-28.82×TRLx+465.52 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧1，TRLx为数据集中第x数据记录行的反应液温度值； 步骤5中G类变量数据的计算方法具体为： 1气体带走热量QG QGx＝CFGx-CFGx-1×ρG×CG×TGOx-TGIx 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧2，QG1的值按QG2取相同值，ρG为空气的密度，取值ρG＝1.29kgm3，CG为空气的比热容，取值CG＝1.005kJkg*K； 2循环水带走热量QL QLx＝LWx-LWx-1×ρL×CL×WTOx-WTIx 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧2，QL1的值按QL2取相同值，ρL为水的密度，取值ρL＝1000kgm3，CL为水的比热容，取值CL＝4.1829kJkg*K； 3反应放热量QA QAx＝mcTRLx-TRLx-1+QRx+QGx+QLx 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧2，QA1的值按QA2取相同值，m为反应液的质量，c为反应液的比热容，取值c＝6.8694kJkg*K。QRx的值按当前数据记录行的反应液温度TRLx值通过步骤b中函数2计算得到，以TRLx值为函数的输入变量，代入函数2，计算得到对应的QRx值； 4累计反应放热量AQA AQAx＝QA1+QA2+QA3+…+QAx-1+QAx 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧1； 5累计气体带走热量AQG AQGx＝QG1+QG2+QG3+…+QGx-1+QGx 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧1； 6累计循环水带走热量AQL AQLx＝QL1+QL2+QL3+…+QLx-1+QLx 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧1； 7累计反应氧消耗量AOG 由于双酶法反应为耗氧反应，故排出气氧含量OG检测值小于21％。氧的消耗量为21％减去检测值OG。CFGx为当前数据记录行的排出气累计流量，OCGx为当前数据记录行的反应氧消耗量。 OCGx＝21-OGx×CFGx-CFGx-1 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧2，OCG1的值按OCG2取相同值； AOGx＝OCG1+OCG2+OCG3+…+OCGx-1+OCGx 式中，x为第三阶段第1组至第n组输入数据集和输出数据集中当前数据记录行的序号，x≧1。

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沈阳工业大学;辽阳富强生物科技有限公司，其通讯地址为：110870 辽宁省沈阳市沈阳经济技术开发区沈辽西路111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”。