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！

龙图腾网获悉中家院(北京)检测认证有限公司;青岛海尔空调器有限总公司申请的专利基于深度学习的厨房空调器过滤装置寿命预测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：CN120950908B 。

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：202511495996.2，技术领域涉及：G06F18/20；该发明授权基于深度学习的厨房空调器过滤装置寿命预测方法及系统是由王超;李欣;蔡宁;高孺;王伯燕;张子祺;杨双;张宇佳;王志坤设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本基于深度学习的厨房空调器过滤装置寿命预测方法及系统在说明书摘要公布了：本发明涉及厨房空调器过滤装置寿命预测技术领域，具体涉及基于深度学习的厨房空调器过滤装置寿命预测方法及系统，方法包括：边缘设备采集实时厨房空调运行参数，提取过滤装置基础物理特征指标；边缘网关部署第一局部PINN‑Transformer模型，执行数据预处理与本地寿命预测推理，缓存增量梯度数据，并基于安全容错机制上传至云端；云端部署第二局部PINN‑Transformer模型，采用混合并行架构进行分布式训练，同步更新全局PINN‑Transformer模型，并将模型参数包经签名加密后下发至各边缘节点。通过构建融合物理机制与时序学习的滤网寿命预测系统，能够提升高波动油烟场景的预测精度及泛化能力。

本发明授权基于深度学习的厨房空调器过滤装置寿命预测方法及系统在权利要求书中公布了：1.基于深度学习的厨房空调器过滤装置寿命预测方法，其特征在于，用于云端以及与云端交互的多个边缘节点，所述边缘节点包括边缘设备以及与边缘设备交互的边缘网关，该方法包括： 边缘设备采集实时厨房空调运行参数，提取过滤装置基础物理特征指标，并将过滤装置基础物理特征指标发送至边缘网关； 边缘网关部署第一局部PINN-Transformer模型，执行数据预处理与本地寿命预测推理，缓存增量梯度数据，并基于安全容错机制上传至云端； 所述边缘网关部署的第一局部PINN-Transformer模型包括Transformer编码器前端层，所述Transformer编码器前端层用于执行数据预处理，所述数据预处理包括： 对过滤装置基础物理特征指标进行缺失值线性插值、孤立森林异常检测、样条插值修复以及注入高斯噪声； 采用物理自适应策略优化窗口长度，得到自适应滑动窗口，公式为：，式中，k为调整幅度系数，取值为0.5；为t时刻厨房内的PM2.5，为厨房内的PM2.5的最大值，为实时油烟浓度归一化值，即油烟浓度因子，为厨房空调器过滤装置清洁影响因子，，为清洁损伤系数，受厨房空调器过滤装置清洁方法影响，为累计清洁次数，为优化后的窗口长度； 基于自适应滑动窗口构造多维度时序特征，并进行归一化处理； 将归一化处理后的多维度时序特征输入Transformer编码器前端层，通过多头自注意力机制提取关键时序依赖，输出高层隐状态序列； 对高层隐状态序列执行时间维度平均池化，并通过通道分组与稀疏正则化压缩至过滤装置寿命标签标注； 云端部署第二局部PINN-Transformer模型，接收来自多个边缘节点的增量梯度数据，采用混合并行架构进行分布式训练，同步更新全局PINN-Transformer模型，并将更新后的模型参数包经签名加密后下发至各边缘节点； 所述云端部署的第二局部PINN-Transformer模型包括PINN约束层，PINN约束层用于嵌入过滤装置衰减动力学方程作为软约束，通过自动微分计算物理残差项，并引入损失函数以约束模型输出符合物理规律； 其中，所述第一局部PINN-Transformer模型和第二局部PINN-Transformer模型构成全局PINN-Transformer模型。

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中家院(北京)检测认证有限公司;青岛海尔空调器有限总公司，其通讯地址为：100176 北京市大兴区北京经济技术开发区博兴八路3号2幢301室；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。