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！

龙图腾网恭喜卡奥斯创智物联科技有限公司;卡奥斯创智物联科技(重庆)有限公司;合肥领智物联科技有限公司;青岛鼎新电子科技有限公司申请的专利基于强化学习的压缩机振动自适应抑制方法和装置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：CN119982484B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510479601.3，技术领域涉及：F04B49/06；该发明授权基于强化学习的压缩机振动自适应抑制方法和装置是由张宏权;崔京军;张科伍;陶鲁博;王师民设计研发完成，并于2025-04-17向国家知识产权局提交的专利申请。

本基于强化学习的压缩机振动自适应抑制方法和装置在说明书摘要公布了：本申请涉及机器学习技术领域，公开了一种基于强化学习的压缩机振动自适应抑制方法和装置，其中方法包括：获取振动量量化参数；基于振动量量化参数获取振动趋势量化参数；基于振动量量化参数和振动趋势量化参数构建强化学习模型；训练强化学习模型；部署强化学习模型，根据强化学习模型输出的补偿扭矩电流参数∆I和补偿角度参数θ，生成补偿电流信号；变频器接收补偿电流信号，将补偿电流信号与压缩机电机电流控制信号叠加，利用叠加后的电流控制信号驱动压缩机电机运行，以抑制被压缩气体在每个工作循环中所经历的压力和流量的波动所引起的振动。本申请通过实时学习和优化，能够在无需传感器的情况下，实现精确抑制。

本发明授权基于强化学习的压缩机振动自适应抑制方法和装置在权利要求书中公布了：1.一种基于强化学习的压缩机振动自适应抑制方法，其特征在于，包括以下步骤： 获取振动量量化参数，所述振动量量化参数包括：压缩机电机旋转周期的转动波动幅度，所述压缩机电机旋转周期的转动波动幅度为每个压缩机电机旋转周期对应的转速序列中转速最大值与转速最小值之差； 基于所述振动量量化参数获取振动趋势量化参数，所述振动趋势量化参数包括滑动均值、变化率、累积变化量和标准差； 基于所述振动量量化参数和所述振动趋势量化参数构建强化学习模型； 训练所述强化学习模型； 部署所述强化学习模型，根据所述强化学习模型输出的补偿扭矩电流参数和补偿角度参数，生成补偿电流信号，所述补偿电流信号为，为时间变量，为角频率，，为压缩机电机转子转动频率； 变频器接收所述补偿电流信号，将所述补偿电流信号与压缩机电机电流控制信号叠加，利用叠加后的电流控制信号驱动压缩机电机运行，以抑制被压缩气体在每个工作循环中所经历的压力和流量的波动所引起的振动； 其中，所述强化学习模型基于PPO算法构建，构建所述强化学习模型包括以下步骤： 构建状态空间，所述状态空间包括：所述振动量量化参数、所述滑动均值、所述变化率、所述累积变化量、所述标准差、压缩机电机平均转速和负载电流； 构建动作空间，所述动作空间包括所述补偿扭矩电流参数和所述补偿角度参数； 构建奖励函数，所述奖励函数为：；其中，为时间步获得的即时奖励，、和为权重系数； 构建策略网络，所述策略网络用于根据当前状态输出一个动作的动作值；所述策略网络包括四层全连接层和ReLU激活函数，其中，输入层用于接收状态信息，包括所述振动量量化参数、所述滑动均值、所述变化率、所述累积变化量、所述标准差、所述压缩机电机平均转速和所述负载电流；隐藏层每层神经元数量为64，并使用ReLU激活函数；输出层输出所述补偿扭矩电流参数、所述补偿角度参数，以及该动作相关的方差或标准差； 构建价值网络，所述价值网络用于估计状态或者状态-动作对的价值；所述价值网络包括四层全连接层和ReLU激活函数，以输出一个对应的价值估计；其中，输入层用于接收状态信息，包括所述振动量量化参数、所述滑动均值、所述变化率、所述累积变化量、所述标准差、所述压缩机电机平均转速和所述负载电流，隐藏层每层神经元数量为64，并使用ReLU激活函数；输出层输出状态的价值，表示在状态下的预期回报。

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卡奥斯创智物联科技有限公司;卡奥斯创智物联科技(重庆)有限公司;合肥领智物联科技有限公司;青岛鼎新电子科技有限公司，其通讯地址为：266101 山东省青岛市崂山区高科技工业园海尔信息园；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”。