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！

龙图腾网获悉江苏师范大学申请的专利一种地铁空调环境模式检测系统和检测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：CN115407028B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211121546.3，技术领域涉及：G01N33/00；该发明授权一种地铁空调环境模式检测系统和检测方法是由杨增汪;董正琪;李怡雯;姜杰;鲍锦设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本一种地铁空调环境模式检测系统和检测方法在说明书摘要公布了：一种地铁空调环境模式检测系统和检测方法，系统包括设置于地铁站内公共区环境中的空调系统，还包括多类传感器采集系统、空调系统上位机、神经网络环境模式检测模型、K210模块和显示模块；检测方法，包括如下步骤：选取关键变量；采集环境数据；数据预处理；构建简易模型；确定模型隐藏层神经元个数；算法优化，确立最佳模型。本发明通过优化BP神经网络模型，利用Adam优化算法，增强了反向传播神经网络的稳定性，模型处理结果通过反馈至空调系统上位机，由空调系统上位机实现当前模式指令的下发，以控制各风机、风阀及空调机组间的组合联动，实现了站内环境的调节，有效提升了地铁空调系统的环境模式检测的及时性、智能性及检测效率。

本发明授权一种地铁空调环境模式检测系统和检测方法在权利要求书中公布了：1.一种地铁空调环境模式检测方法，其特征在于，包括如下步骤： 1）选取关键变量：根据地铁空调模式运行的条件，选择温度、二氧化碳浓度、烟雾浓度作为检测的关键环境数据,即关键变量； 2）采集环境数据：采集地铁站内关键环境数据以及在实验室采集在地铁站内无法获得的超低超高环境数据作为实验数据，用以训练和测试模型； 3）数据预处理：对采集到的实验数据进行模式分类，将其分为待机模式，通风模式、制冷模式、通风与制冷模式、排烟模式和火灾模式，并分别通过使用类别标签标定为0、1、2、3、4、5，再对分类标定好的数据进行归一化处理； 4）构建简易模型：根据采集的环境数据类别以及空调环境模式类别确定地铁环境模式神经网络的输入层和输出层； 5）确定模型隐藏层神经元个数：根据公式，确定隐藏层神经元个数范围，公式中，为隐藏层神经元数目，和分别为输入层和输出层神经元数目，为1~10之间的调节常数； a.采用反向传播以及梯度下降算法在整个数据集上对模型进行训练，公式为：；； 式中，表示第i个样本在隐藏层的输出，表示输入层和隐藏层间的网络权重，表示第i个输入样本，表示隐层神经元偏置；表示第i个样本在输出层的预测输出，并用预测值表示，表示隐藏层与输出层间的权重，表示输出层神经元偏置；以上参数均表示矩阵向量； b.为使BP神经神经网络逼近任意的非线性函数，选取Relu作为隐藏层激活函数，为使神经网络进行多任务分类选取Softmax作为输出层激活函数，公式分别为: ；；式中，表示隐藏层激活函数，表示输出层激活函数；C=n表示输出层的神经元个数，表示各神经元线性指数输出，为[n,1]的向量； c.实际输出和期望输出之间的成本函数为：；m表示样本总数，n表示输出层神经元个数，表示第i样本下的第j类预测值，表示第i样本下的第j类真实值； d.采用预处理后的数据集对隐藏层神经元不同数目的神经网络进行训练，设置循环次数epoch，通过实验观察训练集样本的成本误差变化；将成本误差最小的曲线处对应的隐藏层神经元数确定为模型隐藏层神经元个数； 6算法优化，确立最佳模型：采用Adam优化算法，以梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率，引入动量和自适应学习率使算法加快模型学习、提高网络识别精度并在收敛时减小震荡；最后将经过优化的模型作为最佳的地铁空调环境模式的检测模型；其中，Adam优化算法以梯度下降第t次迭代为例，网络权重更新过程为： ；；；式中，和分别为一阶动量项和二阶动量项，和为超参数默认值为0.9和0.999，和的偏差修正值为和，其计算公式分别为：；； 对权重和偏置进行更新，第t次迭代的权重和偏置为：；；式中，表示第t-1次迭代时的模型权重，表示第t-1次迭代时的模型偏置，为学习率默认为0.001，取为。

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江苏师范大学，其通讯地址为：221116 江苏省徐州市铜山新区上海路101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”。