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！

龙图腾网获悉成都百威智联科技有限公司申请的专利一种基于AI的粮仓立体通风精准控温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：CN121072894B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511612323.0，技术领域涉及：G06Q10/04；该发明授权一种基于AI的粮仓立体通风精准控温方法及系统是由张智强;张徽;胡永奎;梅雪松;徐泽海设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本一种基于AI的粮仓立体通风精准控温方法及系统在说明书摘要公布了：本发明公开了一种基于AI的粮仓立体通风精准控温方法及系统，为解决传统技术难以精确获得与其他各因素间复杂的非线性关系，从而造成温度预测准确性低，进而导致无法进行粮仓精准通风控温的问题，构建出了一种结合卷积网络层、注意力层和双向门控循环网络层的粮仓温度预测模型，该模型通过基于卷积局部和全局特征提取，并进行特征融合，来更全面地描述粮情特征，而后，引入注意力机制进行特征权重分配，以突出对温度预测影响更大的特征，接着，结合双向门控循环网络层挖掘粮情融合特征的全局依赖关系，并以此来完成粮仓温度预测；由此，本发明能够更好的利用数据的时序和多维特征,提高了对储粮温度的预测精准度，从而可实现粮仓的精准控温。

本发明授权一种基于AI的粮仓立体通风精准控温方法及系统在权利要求书中公布了：1.一种基于AI的粮仓立体通风精准控温方法，其特征在于，包括： 获取粮仓在历史预设时长内的粮情信息和外界环境信息，其中，粮情信息包括粮堆平均温度、粮堆最高温、粮堆最低温和粮仓内温湿度，且外界环境信息包括大气温湿度； 利用粮情信息和外界环境信息，生成输入序列，并将所述输入序列输入至粮仓温度预测模型，以得到粮仓在未来预设时长内的温度预测序列； 利用温度预测序列，生成通风控温策略，并根据通风控温策略，控制粮仓通风系统运行； 其中，粮仓温度预测模型包括：依次连接的卷积网络层、注意力层和双向门控循环网络层； 卷积网络层，用于对输入序列进行特征提取，得到局部粮情特征和全局粮情特征，并将局部粮情特征和全局粮情特征进行特征融合，得到粮情融合特征； 注意力层，用于采用注意力机制，对所述粮情融合特征进行注意力权重计算，得到分配权重后的粮情融合特征； 双向门控循环网络层，用于基于分配权重后的粮情融合特征，生成所述温度预测序列； 利用温度预测序列，生成通风控温策略，包括： 基于所述温度预测序列，确定出未来预设时长内的粮仓粮堆最高温； 判断所述粮仓粮堆最高温是否大于安全阈值； 若是，则构建出以最小化通风成本为优化目标的通风控温优化模型，所述通风控温优化模型的变量包括粮仓通风系统中的风机运行功率、运行转速以及运行时长，所述通风控温优化模型的约束条件包括粮仓最终温度小于等于安全阈值，其中，所述通风控温优化模型包括能耗成本项、粮仓通风损失成本项和安全惩罚项，所述粮仓通风损失成本项用于度量通风导致的粮食水分损失，所述安全惩罚项用于度量粮仓最终温度与安全阈值之间的惩罚成本，若粮仓最终温度大于安全阈值，且粮仓最终温度与安全阈值之间的差值越大，所述惩罚成本越大，若粮仓最终温度小于等于安全阈值，则所述惩罚成本为0； 求解所述通风控温优化模型，以得到通风成本最小，且粮仓最终温度小于等于安全阈值的风机控制策略，并将得到的风机控制策略，作为所述通风控温策略； 求解所述通风控温优化模型，包括： 获取第n次迭代时的个体种群，其中，第n次迭代时的个体种群中的每个个体对应粮仓通风系统的一种风机控制方案； 基于通风控温优化模型，计算出第n次迭代时的个体种群中各个个体的适应度，其中，任一个体的适应度越大，表征该任一个体对应的风机控制策略的通风成本越小； 基于第n次迭代时的各个个体的适应度，确定出第n次迭代时的全局最优个体； 判断是否满足迭代停止条件； 若否，则确定出搜索概率，并生成各个个体对应的第一搜索随机数和第二搜索随机数； 根据搜索概率，以及各个个体对应的第一搜索随机数和第二搜索随机数，确定出第n次迭代时的各个个体的个体搜索方式，其中，个体搜索方式包括基于边界的搜索方式、局部搜索方式和全局搜索方式； 利用个体搜索方式，对各个个体进行位置更新，得到第n+1次迭代时的个体种群； 将n自加1，并重新获取第n次迭代时的个体种群，直至满足迭代停止条件时为止，以基于满足迭代停止条件时的全局最优个体，确定出通风成本最小，且粮仓最终温度小于等于安全阈值的风机控制策略； 根据搜索概率，以及各个个体对应的第一搜索随机数和第二搜索随机数，确定出第n次迭代时的各个个体的个体搜索方式，包括： 对于第n次迭代时的个体种群中的任一个体，判断所述任一个体对应的第一搜索随机数是否小于所述搜索概率； 若否，则根据所述任一个体的适应度和第n次迭代时的全局最优个体的适应度，计算出该任一个体的搜索因子，否则，则确定出该任一个体的个体搜索方式为基于边界的搜索方式； 判断所述任一个体的第二搜索随机数是否小于所述任一个体的搜索因子； 若是，则确定出所述任一个体的个体搜索方式为局部搜索方式，否则，则确定出所述任一个体的个体搜索方式为全局搜索方式，并在将第n次迭代时的个体种群中的所有个体均轮询完毕后，得到各个个体的个体搜索方式； 利用个体搜索方式，对各个个体进行位置更新，得到第n+1次迭代时的个体种群，包括： 对于第n次迭代时的个体种群中的任一个体，若所述任一个体的个体搜索方式为局部搜索方式，则从第n次迭代时的个体种群中选取出第一随机个体，其中，所述第一随机个体与所述任一个体不同； 计算出第n次迭代时的第一位置搜索步长和第二位置搜索步长； 采用如下公式3和公式4，计算出第一位置搜索步长和第二位置搜索步长； 34式3中，表示第一位置搜索步长，表示第一位置最大搜索步长，表示最大迭代次数，分别表示所述任一个体的适应度和全局最优个体的适应度；式4中，表示第二位置搜索步长，表示第二位置最大搜索步长； 根据第n次迭代时的全局最优个体、所述任一个体、所述第一随机个体、所述第一位置搜索步长和所述第二位置搜索步长，计算出个体位置更新向量； 采用如下公式5，来计算出个体位置更新向量； 5式5中，表示所述个体位置更新向量，表示全局最优个体，分别表示所述任一个体和所述第一随机个体； 利用个体位置更新向量，对所述任一个体进行局部搜索，得到更新后的所述任一个体，并在将第n次迭代时的个体种群中的每个个体均轮询完毕后，得到第n+1次迭代时的个体种群； 对于第n次迭代时的个体种群中的任一个体，若所述任一个体的个体搜索方式为全局搜索方式，则从第n次迭代时的个体种群中选取出第二随机个体，其中，所述第二随机个体与所述任一个体不同； 确定出全局搜索强度，并生成全局搜索随机数； 根据全局搜索强度、全局搜索随机数、第二随机个体和全局最优个体，对所述任一个体进行全局搜索，得到更新后的所述任一个体，并在将第n次迭代时的个体种群中的每个个体均轮询完毕后，得到第n+1次迭代时的个体种群； 采用如下公式6，来对该任一个体进行全局搜索； 6式6中，表示更新后的所述任一个体，分别表示所述任一个体和所述第二随机个体，表示全局搜索随机数，表示全局搜索强度，表示全局最优个体； 对于第n次迭代时的个体种群中的任一个体，若所述任一个体的个体搜索方式为基于边界的搜索方式，则计算出所述任一个体的边界搜索权重； 采用如下公式7，来计算出所述边界搜索权重； 7式7中，表示所述任一个体的边界搜索权重，分别表示边界搜索最大权重和边界搜索最小权重； 获取个体搜索上界和个体搜索下界； 根据所述边界搜索权重、所述任一个体对应的第一搜索随机数、所述个体搜索上界和所述个体搜索下界，对所述任一个体进行位置更新，得到更新后的所述任一个体，并在第n次迭代时的个体种群中的每个个体均轮询完毕后，得到第n+1次迭代时的个体种群； 对于该任一个体中每个子向量的第j维，采用如下公式8，来进行位置更新； 8式8中，表示该任一个体中第k个子向量的第j维，表示更新后的，分别表示该任一个体的边界搜索权重以及对应的第一搜索随机数，分别表示第j维的个体搜索上界和个体搜索下界，j=1,2,3，分别对应运行功率、运行转速和运行时长。

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成都百威智联科技有限公司，其通讯地址为：610000 四川省成都市高新区中和大道三段281号8栋7层718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。