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！

龙图腾网获悉浙江大学嘉兴研究院;浙江大学申请的专利一种家用空气净化机器人的空气净化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：CN119103641B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411228188.5，技术领域涉及：F24F8/80；该发明授权一种家用空气净化机器人的空气净化方法是由吴卫红;龚雨杰;宋浩;吴杰;张成健;杨健;刘鹏;田江磊;周文静;翁卫国;董宏设计研发完成，并于2024-09-03向国家知识产权局提交的专利申请。

本一种家用空气净化机器人的空气净化方法在说明书摘要公布了：本发明提供一种家用空气净化机器人的空气净化方法，包括以下步骤：微处理器进行移动单元的巡逻路径规划；将检测数据传输至微处理器，通过多模态数据融合算法，对各检测数据进行融合处理；结合历史检测数据和融合处理后的传感器实时检测数据，使用聚类算法识别空气质量热点区域；将空气质量热点区域、家庭各房间以及障碍物作为节点，使用最短路径算法进行移动单元的净化路径规划，使其以最短路径覆盖空气质量热点区域，微处理器控制移动单元按照规划的净化路径进行移动；微处理器根据传感器实时检测数据适时启动空气净化单元。本发明提高净化效率以及机器人利用率，减少盲目移动和重复净化。

本发明授权一种家用空气净化机器人的空气净化方法在权利要求书中公布了：1.一种家用空气净化机器人的空气净化方法，其特征在于：所述家用空气净化机器人包括机器人本体以及设置在机器人本体上空气质量识别单元、空气净化单元、移动单元和控制单元，所述空气质量识别单元包括多参数空气质量传感器、激光粒子计数器和生物气溶胶传感器，所述空气净化单元包括初效过滤器、活性炭滤网、高效微粒空气过滤器和紫外线杀菌灯，所述移动单元用于移动机器人本体，所述控制单元包括与空气质量识别单元、空气净化单元和移动单元电性连接的微处理器；所述空气净化方法包括以下步骤： 微处理器进行移动单元的巡逻路径规划，控制移动单元按照巡逻路径进行移动，并在数据采集位置停留一定时间； 在各数据采集位置，通过多参数空气质量传感器检测家庭不同区域多种空气污染物的浓度，通过激光粒子计数器测量家庭不同区域空气中不同粒径颗粒物的数量以检测空气中的颗粒物浓度，通过生物气溶胶传感器检测家庭不同区域空气中的生物气溶胶，将多参数空气质量传感器、激光粒子计数器和生物气溶胶传感器的检测数据传输至微处理器，通过多模态数据融合算法，对各检测数据进行融合处理； 结合历史检测数据和融合处理后的传感器实时检测数据，使用聚类算法识别空气质量热点区域； 将空气质量热点区域、家庭各房间以及障碍物作为节点，使用最短路径算法进行移动单元的净化路径规划，使其以最短路径覆盖空气质量热点区域，微处理器控制移动单元按照规划的净化路径进行移动； 微处理器根据传感器实时检测数据适时启动空气净化单元，使空气根据净化策略经过初效过滤器、活性炭滤网、高效微粒空气过滤器和紫外线杀菌灯，从而去除空气中的污染物和病原微生物； 所述多模态数据融合算法包括以下步骤： 对各检测数据进行标准化处理，所述标准化处理的数学表达式为： ； 式中，为标准化后的数据，为第个传感器的检测数据，为第个传感器的均值，为第个传感器的标准差； 对各传感器的标准化后的数据进行加权融合，所述加权融合的数学表达式为： ； 式中，为加权融合后得到的初步融合特征向量，表示第个传感器的权重系数，其约束条件为； 将初步融合特征向量输入到深度学习模型中进一步融合，输出空气质量指数； 所述深度学习模型为多层感知机模型，所述多层感知机模型的损失函数为： ； 式中，为多层感知机模型各层的权重矩阵和偏置向量，为训练样本的数量，为第个样本的真实空气质量指数值，表示多层感知机模型预测的空气质量指数值； 通过反向传播算法和优化器更新，以最小化损失函数； 所述聚类算法为改进的K均值聚类算法，所述改进的K均值聚类算法包括以下步骤： 对空气质量指数值、时间戳、空间坐标进行归一化处理，将其映射至区间内； 计算历史检测数据集中空气质量指数值的均值和标准差，选择空气质量指数值大于的样本作为候选初始聚类中心，从候选初始聚类中心随机选择多个样本作为初始聚类中心； 对于融合处理后的传感器实时检测数据中的每个样本，计算其与每个聚类中心的加权距离，计算式为：；式中，为第个样本与第个聚类中心的加权距离，为第个样本的空气质量指数值，为第个样本的时间戳，为第个样本的空间坐标，为第个聚类中心的空气质量指数值，为第个聚类中心的时间戳，为第个聚类中心的空间坐标；将每个样本分配给与其加权距离最近的聚类中心，形成新的聚类；更新每个聚类的中心，更新计算式为：；式中，为聚类中心，为第个聚类； 计算当前聚类中心与上一次聚类中心之间的差异度，若差异度小于预设阈值或达到最大迭代次数，则停止迭代，否则，重复执行上一聚类步骤； 对于每个最终聚类，计算其内部样本的空气质量指数值的均值和方差，作为该聚类的代表性指标，根据聚类的代表性指标和空间分布，识别出空气质量热点区域； 将空气质量热点区域、家庭各房间以及障碍物作为节点具体包括： 微处理器存储家庭各房间的平面布局图，以每个房间的中心点作为节点，房间之间的连通路径作为边，构建包括节点集合和边集合的图； 将空气质量热点区域的中心点和家庭各房间的障碍物作为节点加入到图中，对于代表障碍物的节点，将其与相邻的房间之间的边权重设置为较大的值。

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浙江大学嘉兴研究院;浙江大学，其通讯地址为：314000 浙江省嘉兴市智富中心48幢401室；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。