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！

龙图腾网获悉上海交通大学申请的专利负载口独立控制的阀控液压缸系统模型控制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：CN116224803B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310377450.1，技术领域涉及：G05B13/04；该发明授权负载口独立控制的阀控液压缸系统模型控制方法及系统是由刘恒;陶建峰;孙炜;孙浩;刘成良设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本负载口独立控制的阀控液压缸系统模型控制方法及系统在说明书摘要公布了：本发明提供了一种负载口独立控制的阀控液压缸系统模型控制方法及系统，包括：步骤S1：采集液压系统运行数据；步骤S2：将采集到的数据划分数据集，使用神经网络训练深度Koopman算子对非线性模型进行升维进行神经网络的训练，得到升维函数和高维空间预测模型；步骤S3：令KMPC控制器使用训练好的高维空间预测模型进行控制量计算，输入被控对象状态参数升维后的向量和参考位移，输出用于左主阀参考位移和右主阀阀芯参考位移控制信号，循环反馈，完成液压系统位置控制。本发明实现了负载口独立控制阀控液压缸系统的快速模型预测控制，完成了负载口独立控制的阀控液压缸系统运动控制。

本发明授权负载口独立控制的阀控液压缸系统模型控制方法及系统在权利要求书中公布了：1.一种负载口独立控制的阀控液压缸系统模型控制方法，其特征在于，包括： 步骤S1：采集液压系统运行数据； 步骤S2：将采集到的数据划分数据集，使用神经网络训练深度Koopman算子对非线性模型进行升维进行神经网络的训练，得到升维函数和高维空间预测模型； 步骤S3：令KMPC控制器使用训练好的高维空间预测模型进行控制量计算，输入被控对象状态参数升维后的向量和参考位移，输出用于左主阀参考位移和右主阀阀芯参考位移控制信号，循环反馈，完成液压系统位置控制； 在所述步骤S2中： Koopman算子是作用于观测函数gx的线性算子，函数gxk将低维状态变量空间xk转换为高维状态变量空间zk；线性算子完成gxk在非线性映射f下的演化；观测函数gxk演化为zk＝gxk,uk，其中xk为k时刻系统的状态量，uk为k时刻输入到系统的控制量； 为对zk到zk+1的线性变换方程，用zk+1＝Azk+Bu表示，A和B为通过神经网络计算得到的线性矩阵，用于表示高维线性空间，zk到zk+1的线性变化； Koopman线性化为通过g算子将非线性系统映射到高维线性系统的方法，该线性系统的状态通过Koopman算子更新；用C线性变换将zk降维成位移状态量g算子由一组Koopman本征函数构成，Koopman算子是一个线性算子，两个算子的组合满足从非线性模型到方程2表示的线性模型的转换； 其中，C为线性高维空间中zk到系统实际状态变量的线性变化矩阵； 通过深度神经网络求解观测函数zk＝gxk,uk，zk∈Rm，xk∈Rn，uk∈R2和Koopman算子； 其中，Rm为高维线性，空间维数为m，Rn为实际系统变量维数空间，R2为2维空间，因输入变量为两个； 第一组隐藏层复合参数记录为OFPxk，uk，作为观测函数的一部分；第一输入层包含时间k处非线性模型的状态量和输入uk； 第一输出层和状态量xk是高维线性模型在时间k的状态量zk通过名为DKOzk，uk的完全连接，获得了高维线性模型在时间k+1的状态量zk+1，观测函数表示为等式3，其中z′k∈Rm-n是第一组隐藏层的输出；线性系统表示为方程4； 第一组隐藏层用于学习观测函数，内部有连接层和激活函数，zk′是完整连接层的输出；DKOzk，uk表示DeepKoopman算子，是使用神经网络对升维函数g进行拟合计算得到的Koopman算子,是对Koopman算子的改进；DKOzk，uk是一个无偏移的全连通层，用于学习方程4中的Koopman运算符： zk+1＝DKOzk,uk＝Azk+Buk4 为了获得非线性系统状态量xk的预测，在低维非线性模型升级为高维线性模型后，需要完成降维；深度神经网络通过第三组隐藏层的降维过程，记录为DRPzk，在线性空间中的时间k处的输入zk通过隐藏层之后，获得非线性系统的状态量和输入量的重构值；系统的降维重建完成，第三组隐藏层是全连通层： [xk,uk]T＝DRPzk5。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。