申请/专利权人：深圳高发气体股份有限公司

申请日：2024-01-30

公开（公告）日：2024-04-09

公开（公告）号：CN117847419A

主分类号：F17C13/02

分类号：F17C13/02;F17C13/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提供了一种储气装置的供气控制方法、装置、设备及存储介质，其中，该方法包括：确定储气装置存储的目标气体，根据目标气体确定气体浓度检测模型，并控制储气装置根据预设的初始控制参数对反应设备进行供气；分别通过光谱传感器和压力传感器获取储气装置供气过程中，各反应气体的光谱参数以及反应设备的压力参数，并输入气体浓度检测模型中计算各反应气体的气体浓度；根据各反应气体的气体浓度计算目标气体的供气参数，并根据供气参数计算储气装置的实时控制参数实时调整供气过程。本方法通过使用传感器获取反应设备中各反应气体的光谱参数和压力参数，结合多模态神经网络子模型和检测子模型，更准确地检测和计算反应气体的浓度。

主权项：1.一种储气装置的供气控制方法，其特征在于，所述储气装置应用于一反应设备，所述反应设备中内置由光谱传感器和压力传感器，所述储气装置的供气控制方法包括：确定所述储气装置存储的目标气体，根据所述目标气体确定气体浓度检测模型，并控制所述储气装置根据预设的初始控制参数对所述反应设备进行供气；分别通过所述光谱传感器和所述压力传感器获取所述储气装置供气过程中，所述反应设备中各反应气体的光谱参数以及所述反应设备的压力参数；将各反应气体的光谱参数以及所述压力参数输入所述气体浓度检测模型中，所述气体浓度检测模型包括多模态神经网络子模型以及各反应气体对应的检测子模型，各检测子模型由卷积神经网络和双向长短期记忆网络构成；将各反应气体的光谱参数输入所述气体浓度检测模型对应的各检测子模型中，通过对应的检测子模型中的卷积神经网络获取对应的反应气体光谱参数的光谱特征；将所述光谱特征输入所述检测子模型的双向长短期记忆网络中，通过所述双向长短期记忆网络提取对应的光谱参数的时间序列信息；通过所述多模态神经网络子模型根据各反应气体的时间序列信息和所述压力参数计算各反应气体的气体浓度；根据所述各反应气体的气体浓度计算所述目标气体的供气参数，并根据所述供气参数计算所述储气装置的实时控制参数；根据所述实时控制参数实时调整所述储气装置对反应设备的供气过程。

全文数据：

权利要求：

百度查询： 深圳高发气体股份有限公司 储气装置的供气控制方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD