Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江绿色理想科技有限公司刘正旗获国家专利权

浙江绿色理想科技有限公司刘正旗获国家专利权

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!

龙图腾网获悉浙江绿色理想科技有限公司申请的专利一种用于电磁屏蔽柜的液冷系统及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:CN121510560B

龙图腾网通过国家知识产权局官网在2026-04-07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:202610043473.2,技术领域涉及:H05K7/20;该发明授权一种用于电磁屏蔽柜的液冷系统及控制方法是由刘正旗;罗浪设计研发完成,并于2026-01-14向国家知识产权局提交的专利申请。

一种用于电磁屏蔽柜的液冷系统及控制方法在说明书摘要公布了:本发明公开了一种用于电磁屏蔽柜的液冷系统及控制方法,液冷系统集成功率传感器、温度传感器阵列、模糊PID控制器、变频循环泵、电动比例阀、热交换器、液冷分配单元以及物联网监控模块。控制方法包括:通过进行多源数据同步采集与状态融合分析;利用基于物理的神经网络进行热负荷预测和多时间尺度的预测;将模糊PID控制器构建为一个可微分的神经网络结构,使用深度确定性策略梯度算法在线优化模糊规则和隶属度函数参数;引入基于数字孪生模型的执行器动态补偿和多模态健康监控融合,进行早期故障预警并进行本地训练。确保了液冷设备的散热效率和运行稳定性,提高了液冷系统散热性能和温度均匀性。

本发明授权一种用于电磁屏蔽柜的液冷系统及控制方法在权利要求书中公布了:1.一种用于电磁屏蔽柜的液冷控制方法,其特征在于:包括以下运行步骤: 步骤S1:利用功率传感器和温度传感器阵列进行多源数据采集,并对多源数据状态进行融合分析; 步骤S2:利用基于物理的神经网络进行热负荷预测,针对设备负载模式的时序特性,进行多时间尺度的预测; 步骤S3:将模糊PID控制器构建为一个可微分的神经网络结构,使用深度确定性策略梯度算法在线优化模糊规则和隶属度函数参数,并利用液冷分配单元同步进行流量分配; 步骤S4:引入基于数字孪生模型构建的执行器进行动态补偿,执行器包括变频循环泵、电动比例阀和热交换器,并通过多模态健康监控融合进行早期故障预警; 步骤S5:将多个电磁屏蔽柜液冷系统作为边缘节点,在本地训练模型,仅上传模型参数至云端聚合,同时利用全局数据优化模型,并通过物联网监控模块进行实时可视化监控; 步骤S1的实现过程包括: 步骤S11:引入基于硬件触发或精密时钟协议的全局时间同步机制,进行数据对齐; 步骤S12:采集单点温度,利用密集的温度点云重构出连续的温度场,并提取高级特征; 步骤S13:对功率时序信号进行实时短时傅里叶变换,提取其频域特征,并与预设的典型负载模式库进行匹配,进行负荷类型的早期识别; 步骤S14:将单节点的流动健康指数扩展为对整个管路网络的流动矢量场分析,并引入自适应阈值进行趋势预测; 步骤S15:对多源数据的一致性校验与可信度加权; 步骤S16:将包含时间戳、全局温度特征、热点信息、功率特征、流动健康信息、各传感器数据可信度权重和一致性校验标志位的融合状态进行输出; 步骤S12中还包括: 通过插值算法将离散的光纤测温点重构成一个连续的空间温度分布函数,对液冷系统任意位置进行温度估计; 提取包括全局平均温度、全局温度标准差的全局统计特征,以及包括最高温度及位置坐标的热点特征; 通过定义一个温度阈值,所有温度超过温度阈值的点构成热点集合,进一步计算热点区域的面积和平均温度,最后利用重构的温度场计算空间温度梯度向量,梯度的大小反映了局部热流密度的大小和方向; 步骤S2中还包括:利用识别出的负载变化的模式和功率谱特征,构建一个多时间尺度预测模型,将包括历史功率序列、功率变化率序列、负载模式编码、环境温度的时间序列数据输入到多时间尺度预测模型中,在训练LSTM网络时,最小化预测误差,并嵌入热力学定律作为物理约束,利用多时间尺度预测模型同时输出用于前馈控制的短时预测值和用于预判趋势的中时的预测值; 步骤S2中还包括:将安全边界决策转化为一个多目标优化问题,使用贝叶斯优化寻找在预测负荷下同时满足冷却性能、能耗最低和风险最小的最优工作点,定义包括预设的基础流量、系统压力和温度调整量的决策变量,计算目标函数,同时假设目标函数服从高斯过程,选择初始采样点集,构建初始数据集,用当前数据集拟合高斯过程模型,优化采集函数得到下一个采样点,在下一个采样点处评估真实目标函数并更新数据集,当结束迭代循环后,从所有评估点中选择使目标函数最小的点作为最优解输出,同时根据预测模型的可信度动态调整前馈控制的强度,在预测不确定时降低前馈作用,增加反馈权重。

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绿色理想科技有限公司,其通讯地址为:315000 浙江省宁波市海曙区翠柏路89号培训大楼A座16楼;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。