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！

龙图腾网获悉湖南理工职业技术学院申请的专利基于误差自学习的智能孵化仓抗干扰控制方法及系统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：CN120178997B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510654677.5，技术领域涉及：G05D27/02；该发明授权基于误差自学习的智能孵化仓抗干扰控制方法及系统是由李晖;王婷;陈扬芳;雷坪桦;王治淇;刘娜设计研发完成，并于2025-05-21向国家知识产权局提交的专利申请。

本基于误差自学习的智能孵化仓抗干扰控制方法及系统在说明书摘要公布了：本发明提供基于误差自学习的智能孵化仓抗干扰控制方法及系统，涉及智能控制技术领域，所述方法包括：根据温度预测误差的优化参数序列和湿度预测误差的优化参数序列，分别计算温度偏离值和湿度偏离值；对温度偏离值和湿度偏离值进行归一化加权求和，并通过高斯核函数进行动态缩放，以得到修正因子；根据修正因子以及BP神经网络，动态调整神经网络隐含层的激活函数斜率，并基于修正因子的数值分布特征重构模糊规则库的权重，生成修正后模糊规则库权重；基于修正后模糊规则库权重，构建三维参数调节曲面，通过曲面梯度搜索算法动态调整PID控制器的比例、积分和微分参数，以生成控制信号。本发明提高了控制的准确性。

本发明授权基于误差自学习的智能孵化仓抗干扰控制方法及系统在权利要求书中公布了：1.基于误差自学习的智能孵化仓抗干扰控制方法，其特征在于，所述方法包括： 步骤1，实时采集孵化仓内鸡胚孵化的温度及湿度数据流；将连续三个采样周期的数据构成滑动检测窗口，在窗口内对温度及湿度数据进行融合处理，输出温度预测误差的优化参数序列和湿度预测误差的优化参数序列； 步骤2，根据温度预测误差的优化参数序列和湿度预测误差的优化参数序列，分别计算温度偏离值和湿度偏离值，包括：将温度预测误差的优化参数序列和湿度预测误差的优化参数序列按采样时间戳进行逐点对齐，从对齐后的温度预测误差的优化参数序列中，计算当前采样点前后数据的变化速率，得到反映温度误差序列动态变化趋势的动态梯度特征值；从湿度预测误差的优化参数序列中，计算相邻数据差值的绝对值，得到表征湿度误差瞬时波动程度的量化波动特征值；根据动态梯度特征值与量化波动特征值的比值生成初始权重，通过湿度历史偏离比例进行初始权重修正，得到归一化权重系数；将温度误差方差矩阵当前元素与目标阈值的差值乘以归一化权重系数，得到基础偏离量；基于量化波动特征值中的瞬时强度值对基础偏离量进行处理以得到温度偏离值；将湿度误差方差矩阵当前元素与目标阈值的比值进行自然对数变换，生成初始偏离量；根据温度累积幅度值与湿度瞬时波动强度的乘积生成补偿因子，通过补偿因子对初始偏离量进行动态范围压缩，以得到湿度偏离值，其中，对温度预测误差的优化参数序列中三个连续参数值进行滑动平均处理，得到温度误差均值；根据温度误差均值对每个参数值计算偏离平方量，将三个偏离平方量的算术平均作为温度误差方差矩阵的当前元素；对湿度预测误差的优化参数序列执行相同操作生成湿度误差方差矩阵的当前元素；其中，计算当前滑动窗口内温度预测误差的优化参数序列的绝对值累加和，表征温度误差的总体偏离程度和持续时间，形成温度累积幅度值； 从湿度预测误差的优化参数序列中提取当前时刻的瞬时波动峰值，即相邻采样点的最大差值绝对值，记为湿度瞬时波动强度； 步骤3，对温度偏离值和湿度偏离值进行归一化加权求和，并通过高斯核函数进行动态缩放，以得到修正因子； 步骤4，根据修正因子以及BP神经网络，动态调整神经网络隐含层的激活函数斜率，并基于修正因子的数值分布特征重构模糊规则库的权重，生成修正后模糊规则库权重； 步骤5，基于修正后模糊规则库权重，构建三维参数调节曲面，通过曲面梯度搜索算法动态调整PID控制器的比例、积分和微分参数，以生成控制信号。

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湖南理工职业技术学院，其通讯地址为：411100 湖南省湘潭市河东大道10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”。