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！

龙图腾网获悉广东金豆科技有限公司申请的专利一种基于深度混合Q网络的净水器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：CN120337990B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202510441387.2，技术领域涉及：G06N3/0442；该发明授权一种基于深度混合Q网络的净水器控制方法是由季兵;张琦;李段腾川;洪炎设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种基于深度混合Q网络的净水器控制方法在说明书摘要公布了：本发明公开了一种基于深度混合Q网络的净水器控制方法，包括以下步骤：采集净水器的运行数据并对其进行预处理；建立由LSTM、GCN和DQN组成的深度混合Q网络模型，并使用预处理后净水器的运行数据对其进行训练；将净水器的实时运行数据输入训练后的LSTM进行特征提取，输出时间特征向量，及将净水器的实时运行数据和净水器内置传感器的空间信息输入训练后的GCN进行特征提取，输出空间特征向量；将两特征向量输入训练后的DQN进行处理，输出状态‑动作特征矩阵，并据此生成净水器的控制策略。本发明解决了现有基于人工智能的净水器控制方法尽管在处理水质状态的静态和动态特征方面表现出了很高的适应性，但它可能尚未充分考虑空间维度对水质的影响的问题。

本发明授权一种基于深度混合Q网络的净水器控制方法在权利要求书中公布了：1.一种基于深度混合Q网络的净水器控制方法，其特征在于：包括以下步骤： 步骤S1：采集净水器的运行数据，其中，净水器的运行数据包括进水流量、出水流量、水中溶解固体含量TDS值、水温、浊度、PH值以及进水压力； 步骤S2：对净水器的运行数据进行预处理，得到预处理后净水器的运行数据； 步骤S3：建立深度混合Q网络模型，其中，深度混合Q网络模型包括长短期记忆网络LSTM、图卷积网络GCN和深度Q网络DQN； 步骤S4：使用预处理后净水器的运行数据对深度混合Q网络模型进行训练，得到训练后的深度混合Q网络模型； 步骤S5：采集净水器的实时运行数据以及净水器内置传感器的空间信息； 步骤S6：将净水器的实时运行数据输入训练后的深度混合Q网络模型中的LSTM进行特征提取，输出时间特征向量；以及将净水器的实时运行数据和净水器内置传感器的空间信息输入训练后的深度混合Q网络模型中的GCN进行特征提取，输出空间特征向量； 步骤S7：将时间特征向量和空间特征向量输入训练后的深度混合Q网络模型中的DQN进行处理，输出状态-动作特征矩阵； 步骤S8：根据状态-动作特征矩阵，生成净水器的控制策略； 在步骤S3中，GCN包括N层图卷积层； 在步骤S6中，将净水器的实时运行数据和净水器内置传感器的空间信息输入训练后的深度混合Q网络模型中的GCN进行特征提取，输出空间特征向量，具体包括以下子步骤： 步骤S64：定义空间拓扑图中的节点和边，其中，每个节点对应一个传感器； 步骤S65：根据空间拓扑图中的节点和边，构建空间拓扑图，并计算空间拓扑图对应的邻接矩阵； 步骤S66：对空间拓扑图对应的邻接矩阵进行归一化处理，得到归一化后的邻接矩阵，其中，邻接矩阵的计算公式如下： ； 其中，表示度矩阵； 步骤S67：将净水器的实时运行数据和归一化后的邻接矩阵输入空间拓扑图中的节点，并通过逐个图卷积层进行图卷积操作，以更新对应节点的特征； 步骤S68：取最后一个图卷积层输出的特征矩阵作为空间特征向量； 其中，最后一个图卷积层输出的特征矩阵具体的计算公式如下： ； 其中，表示第N-1个图卷积层输出的特征矩阵；表示第N-1个图卷积层的可训练权重矩阵； 还包括以下步骤：计算净水器的运行指标，并对其进行评估，得到评估结果，其中，净水器的运行指标包括水质改善率、滤芯寿命延长率以及单位能耗降低率；基于评估结果，对深度混合Q网络模型的参数进行实时调整。

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广东金豆科技有限公司，其通讯地址为：528000 广东省佛山市顺德区均安镇南沙社区均南路2号之十二；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。