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！

龙图腾网获悉交通运输部天津水运工程科学研究所申请的专利基于差分盒算法的码头自卸车运行模式优化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：CN121189764B 。

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：202511724524.X，技术领域涉及：G06Q10/0631；该发明授权基于差分盒算法的码头自卸车运行模式优化方法及系统是由郭旭;彭士涛;杜伟;吴培森;顾明;孙磊设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本基于差分盒算法的码头自卸车运行模式优化方法及系统在说明书摘要公布了：本发明涉及港口智能化技术领域，公开了基于差分盒算法的码头自卸车运行模式优化方法及系统，通过采集自卸车运行过程图像，利用差分盒算法计算分形维数特征，建立分形维数与能耗数据的关联模型。首先对多组运行图像进行预处理，提取分形维数特征并构建特征数据库；通过聚类分析确定高能耗簇的分形维数阈值区间；实时计算运行图像的分形维数后，与高能耗簇的阈值区间进行比较，根据比较结果动态调整运行模式，从而实现运行模式的实时优化，显著提升能耗效率并降低运营成本。

本发明授权基于差分盒算法的码头自卸车运行模式优化方法及系统在权利要求书中公布了：1.基于差分盒算法的码头自卸车运行模式优化方法，其特征在于，包括如下步骤： 步骤1、收集多组自卸车运行过程图片，并进行预处理；所述自卸车运行过程图片为M×M像素图片； 步骤2、基于预处理后的多组自卸车运行过程图片，采用改进的差分盒算法计算分形维数； 步骤3、基于预处理后的多组自卸车运行过程图片，构建特征数据库，所述特征数据库包括：每张所述自卸车运行过程图片对应的分形维数及对应的能耗数据； 步骤4、采用K-means聚类分析识别分形维数和能耗数据的关系，并根据所述关系设置高能耗簇的分形维数阈值区间； 步骤5、根据实时采集的自卸车运行过程图片，计算实时分形维数； 步骤6、将所述实时分形维数与所述高能耗簇的分形维数阈值区间进行比较，根据比较结果调整自卸车运行模式； 所述步骤2中，所述改进的差分盒算法是指：使用遗传算法获取差分盒算法的最优尺度参数组合； 所述使用遗传算法获取差分盒算法的最优尺度参数组合，具体包括： 步骤2-1、随机生成多个尺度参数组合作为初始种群，每个尺度参数组合包含若干个不同的尺度参数； 步骤2-2、针对种群中的每个尺度参数组合，采用差分盒算法计算多组样本图像的分形维数序列，基于所述分形维数的标准差和在不同能耗数据区间的轮廓系数计算适应度值； 步骤2-3、根据适应度值和预设比例选择下一代种群； 步骤2-4、对选择的下一代种群进行交叉和变异操作，产生新的尺度参数组合； 步骤2-5、重复执行步骤2-2至步骤2-4，直至达到最大迭代次数，输出最优尺度参数组合； 所述步骤4，具体包括： 步骤4-1、将特征数据库中的分形维数数据和对应的能耗数据进行标准化处理，构建特征矩阵； 步骤4-2、使用肘部法则计算不同K值下的聚类内误差平方和，选择误差平方和下降速率突变点对应的K值作为最优聚类数； 步骤4-3、采用K-means算法初始化聚类中心，设置最大迭代次数，使用欧氏距离作为相似度度量，对所述特征矩阵进行聚类分析，迭代至最大迭代次数，输出各簇的分形维数均值、标准差及能耗平均值； 步骤4-4、基于聚类结果，将能耗平均值最高的簇标识为高能耗簇； 步骤4-5、基于高能耗簇的分形维数均值和高能耗簇的分形维数标准差，计算出高能耗簇的分形维数阈值区间。

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交通运输部天津水运工程科学研究所，其通讯地址为：300456 天津市滨海新区新港二号路2618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。