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！

龙图腾网获悉北京科技大学申请的专利基于机器学习动态整定PID参数的热流试验控温方法与装置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：CN120276240B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510367597.1，技术领域涉及：G05B11/42；该发明授权基于机器学习动态整定PID参数的热流试验控温方法与装置是由陈哲涵;丁柯宏;房丽萍设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本基于机器学习动态整定PID参数的热流试验控温方法与装置在说明书摘要公布了：本发明公开了一种基于机器学习动态整定PID参数的热流试验控温方法与装置，属于机器学习和热流试验技术领域，所述方法包括：采集热流试验过程中的多个状态参数；将采集的状态参数输入预训练的神经网络模型，利用预训练的神经网络模型根据输入的状态参数，输出动态整定后的PID参数；根据动态整定后的PID参数实时调整加热设备的输出功率，实现温度控制；通过温度反馈信号，持续修正神经网络模型，实现PID参数的自适应优化。采用本发明的热流试验控温方法与装置，能够有效提高热流试验中控温的准确性和效率。

本发明授权基于机器学习动态整定PID参数的热流试验控温方法与装置在权利要求书中公布了：1.一种基于机器学习动态整定PID参数的热流试验控温方法，其特征在于，所述基于机器学习动态整定PID参数的热流试验控温方法包括： 采集热流试验过程中的多个状态参数； 将采集的状态参数输入预训练的神经网络模型，利用预训练的神经网络模型根据输入的状态参数，输出动态整定后的PID参数； 根据动态整定后的PID参数实时调整加热设备的输出功率，实现温度控制； 通过温度反馈信号，持续修正神经网络模型，实现PID参数的自适应优化； 所述状态参数包括：热流试验过程中的当前温度、目标温度、温度变化梯度、材料比热容、材料导热系数以及当前试验阶段；其中，试验阶段分为升温阶段、稳态阶段以及降温阶段三个不同的阶段，并采用独热编码表示； 所述神经网络模型为混合架构的多分支动态神经网络，其包括：输入层、材料编码模块、阶段感知模块、升温分支、稳态分支、降温分支、特征融合模块以及输出层； 利用所述多分支动态神经网络得到动态整定后的PID参数的过程包括： 采集的状态参数通过输入层进入多分支动态神经网络； 材料编码模块通过全连接层对材料比热容和材料导热系数进行处理，生成材料特征向量；阶段感知模块将试验阶段的独热编码与所述材料特征向量拼接后送入门控单元；门控单元通过预设的权重矩阵和偏置计算出三维的概率分布，用以表示升温分支、稳态分支及降温分支的激活权重；取概率最大的分支作为主路径，将其他分支的输出置零；其中，所述升温分支用于将当前温度、目标温度和温度变化梯度与所述材料特征向量拼接后，送入第一隐藏层，在第一隐藏层经全连接层处理，并采用LeakyReLU激活后，送入第二隐藏层，在第二隐藏层经过映射处理，并经过LeakyReLU激活后，得到升温分支的输出；所述稳态分支用于将当前温度、目标温度和温度变化梯度与所述材料特征向量拼接后，送入稀疏自注意力层；利用稀疏自注意力层计算Query、Key和Value，在自注意力计算过程中仅保留前三的注意力权重，其余权重置零，得到注意力特征；接着，通过全连接层对注意力特征进行映射处理，并采用ReLU激活后，得到稳态分支的输出；所述降温分支用于将当前温度、目标温度和温度变化梯度与所述材料特征向量拼接后，送入一维卷积层提取温度变化的时序特征，并经过最大池化层进一步降维，最后通过全连接层处理，并采用Tanh激活后，得到降温分支的输出； 特征融合模块将所述主路径的输出与所述材料特征向量进行融合，得到融合特征向量；在输出层，所述融合特征向量通过全连接层映射为三维输出，三维输出直接对应于温控系统中PID控制器的参数，包括Kp、Ki和Kd。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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”。

以上内容由龙图腾AI智能生成。