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！

龙图腾网获悉广州市天亿行电器制造有限公司申请的专利基于联邦学习与边缘计算的智能排气动态调度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：CN120561696B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510955318.3，技术领域涉及：G06F18/241；该发明授权基于联邦学习与边缘计算的智能排气动态调度方法及系统是由陈伟豪;周健梁;李彬设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本基于联邦学习与边缘计算的智能排气动态调度方法及系统在说明书摘要公布了：本发明提出基于联邦学习与边缘计算的智能排气动态调度方法及系统，方法包括：设当前边缘节点为目标节点，以所述目标节点为单位进行数据采集，通过深度神经网络得到预测排气强度值；基于所述预测排气强度值，结合当前目标节点的本地状态，构建基于强化学习的调度策略模型，输出所述调度策略模型的参数和目标节点的局部交互轨迹数据；根据每个边缘节点的局部交互轨迹数据计算结构扰动感知权重，以量化每个节点的策略贡献度；根据所述结构扰动感知权重，联邦服务器计算每个节点的聚合权值归一化结果，然后执行策略参数的融合计算，得到全局引导策略参数；将所述全局引导策略参数实际应用于物理排气设备，进行物理排气设备的智能调度。

本发明授权基于联邦学习与边缘计算的智能排气动态调度方法及系统在权利要求书中公布了：1.基于联邦学习与边缘计算的智能排气动态调度方法，其特征在于，所述方法包括以下步骤： 以每个独立的排气区域的对应的控制单元作为一个边缘节点，设当前边缘节点为目标节点，以所述目标节点为单位进行数据采集，采集目标节点所对应的区域的多源传感器数据，通过深度神经网络得到预测排气强度值； 基于所述预测排气强度值，结合当前目标节点的本地状态，构建基于强化学习的调度策略模型，输出所述调度策略模型的参数和目标节点的局部交互轨迹数据；其中所述局部交互轨迹数据包括预测排气强度值、本地状态、本轮调度行为、本轮调度奖励、实际排气强度值以及空气扰动影响项； 根据每个边缘节点的局部交互轨迹数据计算结构扰动感知权重，以量化每个节点的策略贡献度；根据所述结构扰动感知权重，联邦服务器计算每个节点的聚合权值归一化结果，然后执行策略参数的融合计算，得到全局引导策略参数； 将所述全局引导策略参数实际应用于物理排气设备，进行物理排气设备的智能调度； 所述深度神经网络为污染驱动排气预测模型，具体计算为： ； 其中，为预测排气强度值，最接近1表示当前区域排气需求最迫切；为节点在当前时刻的环境状态向量；为权重矩阵，用于线性映射基础状态输出；为Sigmoid函数，对最终预测值归一化到；为表示状态对污染浓度的梯度响应强度，用于强化对污染快速上升趋势的识别；为污染趋势项的正则权重；为与相邻的排气节点集合；为表示节点对的污染耦合影响度；为当前节点与邻接节点状态的差异度，表示可能发生的污染传播风险；为耦合干扰正则权重； 所述调度策略模型的目标函数为： ； 其中，表示策略模型的参数，表示学习率；表示当前策略模型下给定输入状态的调度动作概率；表示本轮调度行为带来的本地即时奖励；表示指调度行为执行后，实际测得的排气效果；表示为目标排气误差，表示行为是否实现预测目标；表示目标偏差惩罚因子；表示空气扰动影响项，用于惩罚排气行为对其他区域产生的负面气流冲击；表示扰动惩罚因子，根据系统当前负荷、风道流量安全阈值动态设定； 其中，定义为节点执行动作后，沿其通风路径向其他节点传递的风速扰动加权总和。

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广州市天亿行电器制造有限公司，其通讯地址为：510555 广东省广州市黄埔区凤尾村第六社旧村口2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。