買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉沈陽市農(nóng)祥牧業(yè)科技有限公司申請的專利基于深度學(xué)習(xí)的飼料生產(chǎn)設(shè)備協(xié)同調(diào)度與運(yùn)行優(yōu)化方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120355201B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510856769.1，技術(shù)領(lǐng)域涉及：G06Q10/0631；該發(fā)明授權(quán)基于深度學(xué)習(xí)的飼料生產(chǎn)設(shè)備協(xié)同調(diào)度與運(yùn)行優(yōu)化方法是由趙金勇;王占軍設(shè)計研發(fā)完成，并于2025-06-25向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度學(xué)習(xí)的飼料生產(chǎn)設(shè)備協(xié)同調(diào)度與運(yùn)行優(yōu)化方法在說明書摘要公布了：本發(fā)明公開了基于深度學(xué)習(xí)的飼料生產(chǎn)設(shè)備協(xié)同調(diào)度與運(yùn)行優(yōu)化方法，包括如下步驟：S1、構(gòu)建設(shè)備狀態(tài)序列數(shù)據(jù)集；S2、構(gòu)建擾動序列數(shù)據(jù)集；S3、輸入擾動抗性殘差融合網(wǎng)絡(luò)，生成初步調(diào)度方案；S4、構(gòu)建設(shè)備沖突推理圖；S5、將設(shè)備沖突推理圖嵌入調(diào)度網(wǎng)絡(luò)，修正初步調(diào)度方案；S6、將修正后的初步調(diào)度方案輸入改進(jìn)NGBoost模型，引入置信因子估計與動態(tài)分布校準(zhǔn)機(jī)制，輸出每一調(diào)度行為的預(yù)測期望值與不確定性評分；S7、根據(jù)不確定性評分識別高風(fēng)險行為，生成調(diào)度修正候選集合；S8、對調(diào)度修正候選集合進(jìn)行多目標(biāo)綜合評估，篩選得分最高者作為最終調(diào)度計劃下發(fā)執(zhí)行。本發(fā)明結(jié)合深度學(xué)習(xí)與改進(jìn)NGBoost模型，實(shí)現(xiàn)飼料設(shè)備智能調(diào)度優(yōu)化。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的飼料生產(chǎn)設(shè)備協(xié)同調(diào)度與運(yùn)行優(yōu)化方法在權(quán)利要求書中公布了：1.基于深度學(xué)習(xí)的飼料生產(chǎn)設(shè)備協(xié)同調(diào)度與運(yùn)行優(yōu)化方法，其特征在于，包括如下步驟： S1、采集飼料生產(chǎn)過程中各設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)與對應(yīng)任務(wù)配方信息，形成設(shè)備狀態(tài)序列數(shù)據(jù)集； S2、構(gòu)建擾動樣本集合，所述擾動樣本集合包括啟動延遲、運(yùn)行中斷和配方切換異常，結(jié)構(gòu)化為擾動序列數(shù)據(jù)集； S3、將所述設(shè)備狀態(tài)序列數(shù)據(jù)集與擾動序列數(shù)據(jù)集輸入擾動抗性殘差融合網(wǎng)絡(luò)，所述擾動抗性殘差融合網(wǎng)絡(luò)包括主路徑和旁路徑，并通過殘差門控融合單元動態(tài)加權(quán)融合，生成初步調(diào)度方案； S4、基于所述任務(wù)配方信息與空間布置關(guān)系構(gòu)建設(shè)備沖突推理圖，節(jié)點(diǎn)表示設(shè)備-批次運(yùn)行狀態(tài)，邊表示不可并行沖突條件并附帶沖突規(guī)則表達(dá)式； S5、將所述設(shè)備沖突推理圖作為結(jié)構(gòu)性約束嵌入調(diào)度網(wǎng)絡(luò)，屏蔽違反工藝邏輯的調(diào)度路徑，修正初步調(diào)度方案； S6、將修正后的初步調(diào)度方案輸入改進(jìn)NGBoost模型，所述改進(jìn)NGBoost模型引入置信因子估計與動態(tài)分布校準(zhǔn)機(jī)制，輸出每一調(diào)度行為的預(yù)測期望值與不確定性評分； 所述改進(jìn)NGBoost模型的改進(jìn)之處在于在預(yù)測調(diào)度行為的期望值與不確定性評分時引入置信因子估計與動態(tài)分布校準(zhǔn)機(jī)制，具體包括： 基于歷史擾動數(shù)據(jù)集統(tǒng)計每個調(diào)度行為的預(yù)測誤差幅度，構(gòu)造用于動態(tài)調(diào)整輸出分布寬度的置信因子： ； 其中，表示時間步時的置信因子，表示指數(shù)函數(shù)，表示調(diào)節(jié)參數(shù)，表示時間步時的預(yù)測誤差，表示預(yù)測誤差均值； 在自然梯度提升過程中引入動態(tài)分布校準(zhǔn)機(jī)制，在每次更新預(yù)測分布參數(shù)時執(zhí)行如下調(diào)整： ； 其中，表示經(jīng)過校準(zhǔn)后的自然梯度，表示標(biāo)準(zhǔn)自然梯度，表示分布校準(zhǔn)強(qiáng)度系數(shù)，表示時間步時的真實(shí)擾動分布，表示時間步時的預(yù)測分布，表示預(yù)測分布參數(shù)； 將經(jīng)過置信因子調(diào)節(jié)與動態(tài)分布校準(zhǔn)后的輸出預(yù)測分布參數(shù)解碼為對應(yīng)每一調(diào)度行為的預(yù)測期望值與不確定性評分，所述預(yù)測期望值表示當(dāng)前調(diào)度行為在擾動下的性能預(yù)期； 使用置信因子作為動態(tài)權(quán)重，對原始方差值進(jìn)行縮放調(diào)整，所得調(diào)整后的方差值作為當(dāng)前調(diào)度行為對應(yīng)的不確定性評分； S7、根據(jù)所述不確定性評分識別高風(fēng)險行為，生成調(diào)度修正候選集合； S8、對所述調(diào)度修正候選集合進(jìn)行多目標(biāo)綜合評估，根據(jù)產(chǎn)能達(dá)成率、能耗變化量與擾動適應(yīng)度計算得分，篩選得分最高的調(diào)度修正候選方案作為最終調(diào)度計劃下發(fā)執(zhí)行。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人沈陽市農(nóng)祥牧業(yè)科技有限公司，其通訊地址為：110201 遼寧省沈陽市遼中區(qū)養(yǎng)士堡鎮(zhèn)四合村；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。