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！

龙图腾网获悉合肥工业大学申请的专利一种制冷设备压缩机配管方案的智能筛选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：CN116108882B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211694557.0，技术领域涉及：G06N3/04；该发明授权一种制冷设备压缩机配管方案的智能筛选方法是由卢剑伟;任远凯;黄克;李生宸;刘逸;唐景春;刘向农设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种制冷设备压缩机配管方案的智能筛选方法在说明书摘要公布了：本发明公开了一种制冷设备压缩机配管方案的智能筛选方法，包括以下步骤：1给定压缩机舱模型及各管路起止点数据，并获得多个不同的管路布置方案；2抽取每个方案的特征数据，并组成一个特性样本；3对特征样本进行归一化；4将训练样本输入聚类算法计算多个中心；5将中心及样本训练不同样本类的神经网络，并将这些网络组合；6用训练好的结果对测试方案进行筛选并输出满足要求的结果。本发明能解决要求定性、经验化且特征差异大的制冷设备压缩机管路的筛选问题，从而为压缩机配管提供更合理的管路方案，并能提高管路设计工作的效率。

本发明授权一种制冷设备压缩机配管方案的智能筛选方法在权利要求书中公布了：1.一种制冷设备压缩机的管路布置方案筛选方法，其特征在于，包括以下步骤： 步骤1：获取压缩机舱模型及各管路起止点的数据，从而随机生成J个不同管路的布置方案B＝[b1,b2,…,bj,…,bJ]，其中，bj表示第j个管路的布置方案，且Pj,1表示第j个管路的起点，Pj,i表示第j个管路的第i个拐点，nj表示第j个管路的终点序号；Pj,i＝[xi,yi,zi]T，xi,yi,zi表示第j个管路的点Pj,i在笛卡尔坐标系中的三维坐标；J为布置方案总数； 步骤2：抽取第j个管路的布置方案bj的特征序列tj，从而得到特征集合T＝[t1,t2,…,tj,…,tJ]T并进行归一化处理后，得到归一化后的特征集合S，其中，sj表示第j个归一化后的特征序列； 步骤3：将归一化后的特征集合S分为训练样本和测试样本并对训练样本给定分值集合其中，表示训练样本中第j1个特征序列，且λj1,k表示中第p个特征，表示对应的分值，表示测试样本中第j2个特征样本，j1＝1,2,…,J1，j2＝1,2,…,J2，J1表示训练样本中的特征序列数，J2表示测试样本中的特征样本数，且J1+J2＝J； 步骤4：设置类别总数为N，并对训练样本进行聚类，从而将训练样本分为N个类别集合[A1,A2,…,An,…,AN]及其对应的聚类中心[c1,c2,…,cn,…,cN]，其中，An表示第n个类别集合，且 表示An中第l个特征序列，l＝1,2,…,Ln，Ln表示An中特征序列总数，cn表示第n个类别集合An的聚类中心，且cn＝[μn,1,μn,2,…,μn,p,…,μn,P]，μn,p表示cn的第p个特征，n＝1,2,…,N； 步骤5：从N个聚类中心[c1,c2,…,cn,…,cN]中选取K个合格的聚类中心，并分别作为K个RBF神经网络[R1,R2,…,Rk,…,RK]的中心，再将K个RBF神经网络[R1,R2,…,Rk,…,RK]组合为一个神经网络模型R；从而利用N个类别集合[A1,A2,…,An,…,AN]对所述神经网络模型R进行训练，得到训练后的神经网络模型R′；其中，Rk表示第k个RBF神经网络； 步骤6：将测试样本输入训练后的神经网络模型R中进行处理，筛选出优秀特征样本集合则第q个优秀特征样本对应的管路方案为从而得到满足压缩机减振构型要求管路的集合为

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。