[发明专利]冷藏箱保温时长预测方法、装置、计算机设备及存储介质

权利要求书

1.一种冷藏箱保温时长预测方法，其特征在于，所述冷藏箱内部具有相变材料，所述方法包括：

获取检测点处相变材料的当前阻抗数据；

获取所述冷藏箱内的当前箱内温度；

获取所述冷藏箱外的当前环境温度；

将所述检测点处相变材料的当前阻抗数据、所述当前箱内温度和所述当前环境温度，输入至预设的保温时长预测模型，获取针对所述冷藏箱的剩余保温时长预测值；其中，所述保温时长预测模型已经学习得到不同环境温度下相变材料的阻抗数据和冷藏箱内的箱内温度与冷藏箱剩余保温时长之间的映射关系。

2.根据权利要求1所述的方法，其特征在于，所述当前阻抗数据包括当前阻抗值和当前第一预设时间段内的阻抗变化率；所述获取检测点处相变材料的当前阻抗数据，包括：

获取通过所述检测点处的阻抗传感器检测到的相变材料的当前阻抗值；

获取所述检测点处相变材料在当前第一预设时间段内的多个阻抗值；

根据所述检测点处相变材料在当前第一预设时间段内的多个阻抗值，计算所述检测点处相变材料在所述当前第一预设时间段内的阻抗变化率。

3.根据权利要求1所述的方法，其特征在于，所述保温时长预测模型通过以下步骤预先建立的：

获取在多个不同环境温度样本下测量的所述检测点处相变材料的阻抗数据样本；

获取在所述多个不同环境温度样本下测量的所述冷藏箱的箱内温度样本；

获取在所述多个不同环境温度样本下所述冷藏箱的剩余保温时长；

根据所述在多个不同环境温度样本下测量的所述检测点处相变材料的阻抗数据样本、测量的所述冷藏箱的箱内温度样本、以及在所述多个不同环境温度样本下所述冷藏箱的剩余保温时长，生成第一训练数据；

基于所述第一训练数据对第一神经网络进行训练，获得模型参数，并根据所述模型参数以形成所述保温时长预测模型。

4.根据权利要求1所述的方法，其特征在于，还包括：

获取所述检测点处相变材料在当前第二预设时间段内的阻抗变化率；

获取所述冷藏箱内的当前箱内温度；

根据所述检测点处相变材料在当前第二预设时间段内的阻抗变化率、所述冷藏箱内的当前箱内温度，确定所述冷藏箱的充冷状态信息。

5.根据权利要求4所述的方法，其特征在于，所述根据所述检测点处相变材料在当前第二预设时间段内的阻抗变化率、所述冷藏箱内的当前箱内温度，确定所述冷藏箱的充冷状态信息，包括：

将所述检测点处相变材料在当前第二预设时间段内的阻抗变化率和所述冷藏箱内的当前箱内温度输入至预设的充冷剩余时长预测模型，获得所述冷藏箱的充冷剩余时长预测值；其中，所述充冷剩余时长预测模型已经学习得到相变材料阻抗的变化率及冷藏箱箱内温度，与冷藏箱充冷剩余时长之间的映射关系。

6.根据权利要求5所述的方法，其特征在于，所述充冷剩余时长预测模型通过以下步骤预先建立的：

获取所述检测点处相变材料在多个第二预设时间段内的阻抗变化率样本；

获取在每个所述第二预设时间段内的箱内温度样本；

获取所述冷藏箱的充冷开始时间和充冷结束时间，并根据所述充冷开始时间和充冷结束时间确定所述冷藏箱在每个所述第二预设时间段的充冷剩余时长；

根据所述检测点处相变材料在多个第二预设时间段内的阻抗变化率样本、在每个所述第二预设时间段内的箱内温度样本以及所述冷藏箱在每个所述第二预设时间段的充冷剩余时长，生成第二训练数据；

根据所述第二训练数据对第二神经网络进行训练，获得模型参数，并根据所述模型参数以形成所述充冷剩余时长预测模型。

7.根据权利要求4所述的方法，其特征在于，还包括：

获取所述检测点处相变材料的当前阻抗值；

判断所述当前阻抗值是否大于第一阈值，若是，则判断所述冷藏箱内的当前箱内温度是否小于第二阈值；

若是，则判定完成针对所述冷藏箱的充冷操作。