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！

龙图腾网恭喜山东常林机械集团股份有限公司;青岛理工大学申请的专利一种基于数学解耦与深度学习的智能农机控制优化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：CN119439781B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411589182.0，技术领域涉及：G05B17/02；该发明授权一种基于数学解耦与深度学习的智能农机控制优化方法及系统是由李宝刚;王祥;张振;刘恩汐;李玉环;韩斌;高公如;柳江;刘富豪;蒋汉军;叶桂友;房兴玉;潘金波设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本一种基于数学解耦与深度学习的智能农机控制优化方法及系统在说明书摘要公布了：本发明公开了一种基于数学解耦与深度学习的智能农机控制优化方法及系统，其中方法包括构建智能农机的仿真模型；采集实车田间作业数据；基于所述仿真模型，通过改变参数限制所述激励源参与仿真分析，得到仿真数据；基于所述仿真数据对各所述激励源对作业质量的影响进行定性分析，得到强不利激励源；利用实车田间作业数据进行定量分析，建立非线性映射模型；基于所述非线性映射模型，得到真实作业环境下对应于农业机具的系统特征；基于所述系统特征以及确定的所述强不利激励源，对所述智能农机的控制参数进行优化。本发明采用了理论仿真与对实车采集数据进行处理相结合的策略制定方法，可以有效提升对智能农机控制优化的合理性。

本发明授权一种基于数学解耦与深度学习的智能农机控制优化方法及系统在权利要求书中公布了：1.一种基于数学解耦与深度学习的智能农机控制优化方法，其特征在于，所述方法包括：构建智能农机的仿真模型，用于描述智能农机中各激励源与传动系统的关联；采集实车田间作业数据；基于所述仿真模型，通过改变参数限制一路或多路激励参与仿真分析，得到仿真数据；基于所述仿真数据对各所述激励源对作业质量的影响进行定性分析，得到强不利激励源；利用实车田间作业数据进行定量分析，建立非线性映射模型；基于所述非线性映射模型，得到真实作业环境下对应于农业机具的系统特征；所述系统特征包括：各工作系统动态转矩响应速度及互相间的影响关系，以及控制和延迟响应特性对动力输出、发动机工作点的映射关系；基于所述系统特征以及确定的所述强不利激励源，对所述智能农机的控制参数进行优化；所述控制参数包括：油门开度、变速箱档位以及延迟补偿；所述基于所述仿真模型，通过改变参数限制一路或多路激励参与仿真分析，得到仿真数据，包括：依次基于所述仿真模型对各所述激励源进行单独作用的仿真分析，评估不同工况下各所述激励源独立作用于传动系统时的动态响应特性，得到解耦数据；进行多路激励耦合作用的数据采集，得到耦合数据；所述基于所述仿真数据对各所述激励源对作业质量的影响进行分析，得到强不利激励源，包括如下步骤：基于所述解耦数据以及所述耦合数据，对各激励源对传动系统输出转矩动态特性的影响进行灵敏度分析；基于灵敏度分析结果，计算每个激励源的影响因子；将所有激励源按照其影响因子降序排列，形成一个优先级列表；根据所述激励源对应的影响因子以及具体的转矩波动和响应延迟时间指标，构建对应于所述激励源的多维特征向量；基于所述多维特征向量进行聚类，通过对聚类结果的分析，确定所述强不利激励源；所述利用实车田间作业数据进行定量分析，建立非线性映射模型，包括：利用变参数One-Class-SVM算法清洗实车田间作业数据，去除不合理的离群点；将清洗后的数据整理为时间序列型数据库；使用LSTM算法对时间序列数据进行训练，建立非线性映射模型；通过验证集调整模型参数。

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山东常林机械集团股份有限公司;青岛理工大学，其通讯地址为：276700 山东省临沂市临沭县常林西大街112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”。