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！

龙图腾网获悉成都艺飞制冷工程有限公司申请的专利基于机器学习的冷库环境异常检测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：CN120929887B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511076634.X，技术领域涉及：G06F18/24；该发明授权基于机器学习的冷库环境异常检测方法及系统是由徐义洪;戴令;王小波;王禧;刘坤蓉;刘小龙设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本基于机器学习的冷库环境异常检测方法及系统在说明书摘要公布了：本发明提供一种基于机器学习的冷库环境异常检测方法及系统，通过获取冷库环境时空关联基准模型；采集当前冷库环境参数序列，并基于时空关联基准模型计算当前冷库环境参数序列相对正常运行状态下环境参数序列的时空协同偏离度，根据时空协同偏离度生成多维偏离特征向量；将多维偏离特征向量输入层级化异常模式推理模型，对多维偏离特征向量进行非线性特征增强及多尺度异常模式识别，得到多个候选异常模式各自对应的初步置信度；基于多个候选异常模式的初步置信度，通过时空关联性加权融合算法生成综合异常量化指标，根据综合异常量化指标输出冷库环境异常检测结果。本发明提升了异常检测结果的实用性与应用价值。

本发明授权基于机器学习的冷库环境异常检测方法及系统在权利要求书中公布了：1.一种基于机器学习的冷库环境异常检测方法，其特征在于，包括： 获取冷库环境时空关联基准模型； 采集当前冷库环境参数序列，并基于所述时空关联基准模型计算所述当前冷库环境参数序列相对正常运行状态下环境参数序列的时空协同偏离度，根据所述时空协同偏离度生成多维偏离特征向量； 将所述多维偏离特征向量输入层级化异常模式推理模型，对所述多维偏离特征向量进行非线性特征增强及多尺度异常模式识别，得到多个候选异常模式各自对应的初步置信度； 基于所述多个候选异常模式的初步置信度，通过时空关联性加权融合算法生成综合异常量化指标，所述综合异常量化指标用于表征当前冷库环境异常的严重程度及传播趋势； 根据所述综合异常量化指标输出冷库环境异常检测结果，所述冷库环境异常检测结果包含异常类型判断及异常源定位信息； 基于所述时空关联基准模型，提取与所述当前冷库环境参数序列对应的正常环境参数基准序列，所述正常环境参数基准序列包含预设监测网格中各监测节点在连续预设时长内的正常参数参考值，所述正常参数参考值由所述时空关联基准模型根据历史正常运行数据预测生成； 计算所述当前冷库环境参数序列中每个监测节点在每个采集时刻的环境参数值与所述正常环境参数基准序列中对应监测节点及对应采集时刻的正常参数参考值之间的绝对偏离量，得到节点时刻偏离矩阵，所述节点时刻偏离矩阵的行维度对应监测节点，列维度对应采集时刻； 对所述节点时刻偏离矩阵进行空间维度关联性分析，基于预设时间窗口长度提取每个监测节点的绝对偏离量序列，计算任意两个监测节点的绝对偏离量序列之间的空间相关性系数，将所述空间相关性系数作为节点间偏离传递系数，得到空间偏离传递矩阵； 对所述节点时刻偏离矩阵进行时间维度演化性分析，计算每个监测节点在连续两个采集时刻的绝对偏离量的变化趋势系数，将所述变化趋势系数作为时刻间偏离演化系数，得到时间偏离演化矩阵； 将所述节点时刻偏离矩阵按行优先顺序展平为一维向量，得到节点时刻偏离向量；将所述空间偏离传递矩阵按行优先顺序展平为一维向量，得到空间偏离传递向量；将所述时间偏离演化矩阵按行优先顺序展平为一维向量，得到时间偏离演化向量，将所述节点时刻偏离向量、所述空间偏离传递向量及所述时间偏离演化向量按顺序拼接，生成多维偏离特征向量，所述多维偏离特征向量的维度为所述节点时刻偏离向量、空间偏离传递向量及时间偏离演化向量的维度之和。

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成都艺飞制冷工程有限公司，其通讯地址为：610000 四川省成都市高新区新盛路469号附1201号2层附1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”。

以上内容由龙图腾AI智能生成。