買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網恭喜山東大學申請的專利一種基于深度學習的工程機械主動熱管理控制方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN118245898B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202410393185.0，技術領域涉及：G06F18/2411；該發(fā)明授權一種基于深度學習的工程機械主動熱管理控制方法及系統(tǒng)是由閆偉;王永超;南勤文;李國祥;劉淑強;張奇設計研發(fā)完成，并于2024-04-02向國家知識產權局提交的專利申請。

本一種基于深度學習的工程機械主動熱管理控制方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供了一種基于深度學習的工程機械主動熱管理控制方法及系統(tǒng)，本發(fā)明通過利用人工兔及鯨魚融合算法改進的支持向量機對歷史數(shù)據訓練得到風扇轉速預測模型基礎上，結合馬爾可夫鏈及關聯(lián)規(guī)則算法構建能更加準確地反映工程機械實際散熱需求的加權工況，將采集的實時數(shù)據及加權工況作為風扇轉速預測模型輸入，輸出得到風扇轉速，改進工程機械熱管理系統(tǒng)的控制策略，使該系統(tǒng)滿足工程機械熱管理需求的同時，最大限度地降低能耗。

本發(fā)明授權一種基于深度學習的工程機械主動熱管理控制方法及系統(tǒng)在權利要求書中公布了：1.一種基于深度學習的工程機械主動熱管理控制方法，其特征是，包括以下步驟：利用深度學習算法對支持向量機進行改進，得到改進的支持向量機算法，利用改進的支持向量機算法對包含環(huán)境溫度、工程機械的熱管理參數(shù)、動力總成運行參數(shù)和風扇轉速的歷史數(shù)據樣本進行訓練，形成風扇轉速的預測模型；利用深度學習算法對支持向量機進行改進的具體過程包括：將鯨魚算法中的鯨魚包圍獵物和螺旋氣泡法攻擊獵物位置更新策略引入人工兔算法，對其繞道覓食和隨機隱藏行為進行改進，得到人工兔與鯨魚融合算法，利用人工兔與鯨魚融合算法對支持向量機進行改進；利用人工兔與鯨魚融合算法對支持向量機進行改進的具體過程包括：基于人工兔與鯨魚算法融合改進的支持向量機算法通過設定初始參數(shù)，隨機生成懲罰因子和徑向基核函數(shù)的方差參數(shù)組合作為初始種群，尋找使支持向量機預測模型誤差最小的懲罰因子和徑向基核函數(shù)的方差參數(shù)組合；獲取當前載荷譜的微載荷片段，利用馬爾可夫鏈模型建立各類工況的概率轉移矩陣，采用關聯(lián)規(guī)則算法計算其中相關項集的支持度和置信度，基于所述支持度和置信度，構建關聯(lián)規(guī)則評分，與其對應狀態(tài)的轉移概率相融合，對下一個微載荷片段進行預測；基于當前的微載荷片段和預測的微載荷片段的權重，計算加權工況下工程機械的動力總成運行參數(shù)；基于當前的微載荷片段和預測的微載荷片段的權重，計算加權工況下工程機械的動力總成運行參數(shù)的具體過程包括：根據兩個片段載荷譜差異性大小來確定客觀權重，時刻的權重為： ；其中，為時刻工程機械載荷，為時刻工程機械載荷，為時刻的權重，其中為系數(shù)，為常數(shù)；由于時刻與時刻載荷權重相關系數(shù)為-1，加權后的載荷為： ；將實時環(huán)境溫度、工程機械的熱管理參數(shù)以及加權工況下的動力總成運行參數(shù)作為預測模型的輸入量，預測得到風扇轉速，對其轉換得到控制信號。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人山東大學，其通訊地址為：250061 山東省濟南市歷下區(qū)經十路17923號；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。