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！

龙图腾网获悉圆通速递有限公司申请的专利一种基于新型神经网络的自抗扰温度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：CN115437258B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211248030.5，技术领域涉及：G05B13/04；该发明授权一种基于新型神经网络的自抗扰温度控制方法是由相峰;赵学健;张海霞;黄剑华;朱远娜;孙知信;孙哲设计研发完成，并于2022-10-12向国家知识产权局提交的专利申请。

本一种基于新型神经网络的自抗扰温度控制方法在说明书摘要公布了：本发明公开了一种基于新型神经网络的自抗扰温度控制方法，在外界环境干扰和系统内扰未知条件下，采用五层网络结构的新型神经网络来优化自抗扰温度控制偏差参数，获取到自抗扰温度控制增益系数，然后基于自抗扰温度控制增益系数，结合信号调节器和高阶偏差探测器矫正温度控制信号，实现调整冷链温度。包括以下步骤：采集当前温度数据，获取自抗扰温度控制偏差参数；优化新型神经网络的神经网络参数，获取神经网络参数最优解；基于神经网络参数最优解优化自抗扰温度控制偏差参数，获取自抗扰温度控制增益系数；基于自抗扰温度控制增益系数矫正温度控制信号，调整冷链温度。

本发明授权一种基于新型神经网络的自抗扰温度控制方法在权利要求书中公布了：1.一种基于新型神经网络的自抗扰温度控制方法，其特征在于，包括以下步骤； 采集当前温度数据，获取自抗扰温度控制偏差参数； 优化新型神经网络的神经网络参数，获取神经网络参数最优解； 基于神经网络参数最优解优化自抗扰温度控制偏差参数，获取自抗扰温度控制增益系数； 基于自抗扰温度控制增益系数矫正温度控制信号，调整冷链温度； 其中，所述新型神经网络采用乌鸦算法迭代神经网络参数，得到神经网络参数最优解； 其中，所述乌鸦算法迭代优化神经网络参数包括以下步骤： 初始化神经网络参数和乌鸦算法参数，并随机生成乌鸦种群；其中，所述乌鸦为待优化的神经网络参数，乌鸦算法参数包括步长fl、感知概率AP、迭代次数iter、乌鸦群体规模N、问题维度D、乌鸦位置和乌鸦记忆； 计算确定最佳乌鸦种群，并基于最佳乌鸦种群随机选择跟踪乌鸦； 基于跟踪乌鸦更新乌鸦位置和乌鸦记忆； 判断当前迭代次数是否达到最大迭代次数；若是，则输出当前最佳乌鸦位置作为神经网络参数最优解；若否，则重新计算确定最佳乌鸦种群进行迭代更新； 其中，所述乌鸦算法在每一轮迭代中通过以下公式计算确定最佳乌鸦种群数目： 其中，iter表示第iter次迭代， Kiter表示第iter次迭代的最佳乌鸦种群数目， Kmax表示最佳乌鸦种群最大数目， Kmin表示最佳乌鸦种群最小数目， itermax表示最大迭代次数； 其中，所述乌鸦算法通过判断跟踪乌鸦是否被发现跟踪确定乌鸦位置更新方式； 其中，当跟踪乌鸦未发现被跟踪时，通过以下公式更新乌鸦位置： Xi,iter+1＝Xi,iter+ri×fli,iter×Mi,iter-Xi,iter×c1 其中，Xi,iter+1表示乌鸦i在第iter+1次迭代的乌鸦位置， ri表示[0,1]之间的随机数， Mi,iter表示乌鸦i在第iter次迭代的乌鸦记忆， Xi,iter表示乌鸦i在第iter次迭代的乌鸦位置， fli,iter表示乌鸦i在第iter次迭代的飞行长度， c1表示收敛因子； 其中，所述新型神经网络采用乌鸦算法迭得到神经网络参数最优解以后，通过新型神经网络训练优化自抗扰温度控制偏差参数，获取自抗扰温度控制增益系数；其中，所述神经网络参数最优解包括神经网络最优初始权值参数和隶属度函数参数； 其中，所述新型神经网络包括输入层、模糊化层、规则层、规则强化层和清晰化层，通过五层结构的新型神经网络对输入的自抗扰温度控制偏差参数进行自适应调整，并输出自抗扰温度控制增益系数； 其中，所述输入层的输入输出偏差e1、输出微分偏差e2和输出偏差的积分e3，所述模糊化层的输入为输出偏差e1、输出微分偏差e2和输出偏差的积分e3的隶属函数为F1、F2和F3；其中，所述模糊化层通过以下隶属函数模糊化自抗扰温度控制偏差参数： 其中，a和k为神经网络参数的常数参数，当x取值为e1、e2、e3时，对应的函数值为F1、F2、F3； 其中，所述规则强化层还通过基于时域差分的误差函数对神经元模糊规则进行强化处理： 其中，TDt表示t时刻的样本， γ表示折扣系数， 表示状态s下t时刻的智能体i第j条神经元模糊规则的回报值，表示智能体i在t时刻的输出动作， rt表示t时刻环境返回给学习系统的强化值， rVst+1表示乘上折扣系数后智能体能得到的回报， vs表示智能体i采用第j条规则所能得到的回报； 其中，所述智能体的输出动作由多条神经元模糊规则共同决定，通过以下公式计算智能体的输出动作： 其中，表示智能体i的输出动作， 表示各神经元模糊规则权重， l表示规则数， 表示各规则Rl通过对应的强化函数所选择的动作， qt-1s,Rl,a表示状态s下t-1时刻的智能体i第j条神经元模糊规则的回报值； 其中，所述神经元模糊规则权重通过以下公式进行计算： 其中，k和b表示神经元模糊规则的调整参数， j表示第j条神经元， 表示智能体j的输出动作， f表示规则的起始项， 表示通过f项规则进行强化函数所选择的动作； 其中，所述清晰化层通过清晰化计算方法对各神经网络输出值进行清晰化处理；其中，神经网络输出值为自抗扰控制器参数k1、k2和k3，计算公式如下： 其中，Z表示整数集， ucz表示隶属度， z1表示经过第一次处理的结果， z2表示经过第二次处理的结果， z3表示经过第三次处理的结果， z0表示清晰化后的精确输出结果； 其中，所述新型神经网络获取到自抗扰温度控制增益系数后，将自抗扰温度控制增益系数发送给信号矫正模块进行温度控制信号矫正；其中，信号矫正模块包括信号调节器和高阶偏差探测器； 其中，所述信号调解器结合高阶偏差探测器的探测值对控制分量进行扰动补偿，计算公式如下： 其中，T1表示高阶偏差探测器观测到的扰动， T2表示信号调节器的控制律给出的补偿， T0表示初始温度， m、M均表示扰动系数； 其中，所述信号调解器引入追踪微分器来构建最速信号调节器，通过追踪微分器提取含有随机噪声的输入信号及其微分信号；其中，最速信号调节器的计算公式如下： 其中，u为最速控制综合函数， h为积分步长， x1k表示x的跟踪输入信号， x2k表示x1k的一阶微分， x表示最速信号调节器的输入信号， r表示速度因子， h0表示信号调节器的滤波因子； 其中，最速控制综合函数u的计算公式如下： 其中，d、d0、y、a0、a均为中间变量， h0表示信号调节器的滤波因子， r表示速度因子， x表示输入信号。

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圆通速递有限公司，其通讯地址为：201705 上海市青浦区华新镇华徐公路3029弄18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”。