一种基于深度神经网络的冷链气调机氮氧浓度调节方法

本发明公开了一种基于深度神经网络的冷链气调机氮氧浓度调节方法，包括如下步骤：步骤一：构建潜在特征表示；步骤二：将潜在特征表示输入多目标变分反演网络，推理得到氧势扰动场；步骤三：基于氧势扰动场结合历史调节行为响应关系，生成氧含量预测曲线；步骤四：决策计算模块生成调节策略序列；步骤五：将调节策略序列同步下发至各设备；步骤六：每一调节周期结束后，将反馈样本写入增量训练缓存；步骤七：当增量训练缓存达到设定容量阈值时，利用自适应学习率机制对多目标变分反演网络进行权重更新；步骤八：当识别出氧势扰动场发生扰动推理异常时，启动场图追踪恢复机制。本发明结合多目标变分反演与图追踪恢复机制，智能生成冷链控氧策略。