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！

龙图腾网获悉南京深度智控科技有限公司申请的专利基于深度学习的地铁站环控风水联动节能优化控制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：CN119472311B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202510059018.7，技术领域涉及：G05B13/04；该发明授权基于深度学习的地铁站环控风水联动节能优化控制方法是由李辉;黄政;偶洋设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本基于深度学习的地铁站环控风水联动节能优化控制方法在说明书摘要公布了：一种基于深度学习的地铁站环控风水联动节能优化控制方法，该方法包括：对列车运行状态、站内环境数据以及环控设备数据进行预处理，得到时间序列数据矩阵。通过非负矩阵分解对时间序列数据矩阵进行分解，提取时间序列数据矩阵中的扰动特性，输出盲源分离结果矩阵。通过卷积神经网络对盲源分离结果矩阵进行卷积操作，提取扰动特性的空间模式，通过池化降维生成空间特征向量。通过循环神经网络中双向GRU结构捕捉动态扰动的时间变化规律，生成隐含状态序列。在循环神经网络的输出层引入注意力机制，关注列车进站时的隐含状态，通过权重加权生成优化后的扰动特征表示。将优化后的扰动特征表示作为全连接层的输入，生成并输出相应的节能策略类别。

本发明授权基于深度学习的地铁站环控风水联动节能优化控制方法在权利要求书中公布了：1.一种基于深度学习的地铁站环控风水联动节能优化控制方法，其特征在于，所述方法包括： 获取列车运行状态、站内环境数据以及环控设备数据，并对所述列车运行状态、站内环境数据以及环控设备数据进行预处理，得到时间序列数据矩阵；其中，所述列车运行状态包括列车速度和列车进站时间，所述站内环境数据包括气压、温度和湿度，所述环控设备数据包括风机转速、冷水流量以及空调制冷负荷； 通过非负矩阵分解对所述时间序列数据矩阵进行分解，以提取所述时间序列数据矩阵中的扰动特性，并输出盲源分离结果矩阵；所述扰动特性包括压力波强度和热扰动模式； 所述通过非负矩阵分解对所述时间序列数据矩阵进行分解，以提取所述时间序列数据矩阵中的扰动特性，包括：对非负矩阵分解结果进行分析，从激活函数中提取关键扰动特性，激活函数的每一行表示一个特征基随时间的强度变化，通过观察激活函数中最大值的位置与分布，确定关键扰动时刻，所述关键扰动时刻包括压力波峰值和热流量峰值； 通过卷积神经网络对所述盲源分离结果矩阵进行卷积操作，以提取所述扰动特性的空间模式，并通过池化降维生成空间特征向量；所述空间模式包括地铁站内不同区域的压力波分布和热量传递路径； 将所述空间特征向量作为循环神经网络中双向GRU结构的输入，以捕捉动态扰动的时间变化规律，生成隐含状态序列； 所述动态扰动的时间变化规律包括：压力波传递速度和热扰动持续时间； 所述动态扰动的时间变化规律通过双向GRU的隐含状态序列捕捉： 其中，，表示时间t的隐含状态，t=1,2,...,T，为隐含状态序列矩阵，维度为，为GRU单元的隐含状态维度，为正向GRU的隐含状态，为反向GRU的隐含状态； 通过H的时间维度捕捉扰动随时间的传播规律，包括从隐含状态的变化趋势中识别压力波的波动强度和传播速度、通过连续隐含状态的激活程度判断扰动影响的持续时间； 基于所述隐含状态序列，在所述循环神经网络的输出层引入注意力机制，以关注列车进站时的隐含状态，并通过权重加权生成优化后的扰动特征表示； 将优化后的扰动特征表示作为全连接层的输入，生成并输出相应的节能策略类别，所述节能策略类别包括：调整风机转速、优化冷水流量以及调整空调制冷负荷。

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南京深度智控科技有限公司，其通讯地址为：210000 江苏省南京市江北新区星火路17号创智大厦A座6层；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。