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！

龙图腾网获悉青岛科技大学申请的专利基于机器学习优化的绕线机张力网络化迭代学习控制方法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：CN116841207B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310883376.0，技术领域涉及：G05B13/04；该发明授权基于机器学习优化的绕线机张力网络化迭代学习控制方法是由姚文龙;慕成林;池荣虎;刘旺旺;孙玉洁;李学强设计研发完成，并于2023-07-18向国家知识产权局提交的专利申请。

本基于机器学习优化的绕线机张力网络化迭代学习控制方法在说明书摘要公布了：本发明公开了一种基于机器学习优化的绕线机张力网络化迭代学习控制方法，主要用于解决绕线机在张力控制过程中由于网络控制系统输出端及控制输入端数据丢失导致的张力控制系统不稳定等问题，其主要步骤包括：张力控制系统建模；设计具有初值变化的卷绕张力迭代控制器；绕线机张力网络化迭代控制系统设计；改进粒子群算法优化的张力网络化迭代控制系统设计。所提出的机器学习优化的绕线机张力网络化迭代学习控制方法旨在处理工业网络控制系统中存在初始条件变化和数据丢失的迭代张力控制系统。同时结果表明有效提高了绕线机控制系统的动态性能与稳态性能，提高了张力控制精度。

本发明授权基于机器学习优化的绕线机张力网络化迭代学习控制方法在权利要求书中公布了：1.一种基于机器学习优化的绕线机张力网络化迭代学习控制方法，其特征在于：以绕线机张力差为输入，通过设计具有初值变化的卷绕张力迭代控制器与设计遗传算法优化下的BP神经网络张力控制系统，将绕线半径的缓慢变化设定为迭代学习中的初始状态变化问题，并提出了一种具有初始状态学习律的迭代学习控制算法；考虑到工业实际生产中绕线机网络化控制系统存在数据丢包和时延现象，将工业生产中的数据包丢失问题描述为一个已知概率的随机伯努利过程，采用机器学习中遗传算法优化下的BP神经网络预测存在数据丢失下的系统输出；所述方法包含以下步骤： S1：张力控制系统建模； S2：设计具有初值变化的卷绕张力迭代控制器； S3：绕线机张力网络化迭代控制系统设计； S4：改进粒子群算法优化的张力网络化迭代控制系统设计； 一种基于机器学习优化的绕线机张力网络化迭代学习控制方法，其特征在于，步骤S4中，所述改进粒子群算法优化的张力网络化迭代控制系统设计： 在公式中可得网络化迭代控制系统的误差1范数取决于数据丢包率与数据的拟合逼近误差，另一方面可以说明，在数据丢包率相同的情况下，找到一个合理的误差拟合逼近策略可以使系统的收敛性能更好； 改进粒子群算法： 其中，为粒子当前位置；为粒子当前速度，为粒子在当前时刻的最佳位置，为在整个粒子群中的最佳位置，和为认知系数，和为属于的随机实数，为惯性权重，用于粒子群在搜索空间的探索和开发中实现平衡；惯性权重在每一代中从到接近运行期间动态减小，其具体表达式如下： 其中，为最大迭代次数，当前迭代次数； 每一代粒子群操作进度值评估： 其中，和为突变算子在第代产生的亲本及其子代的适合度，为突变算子突变的粒子数； 每一代粒子群反馈值评估： 其中，为算子在突变之后其子代具有比他们自己更好的适应度的粒子的数量，为突变算子在第代的选择率，为介于之间的随机权重系数，为突变运算符的数目，为突变算子的惩罚因子，具体定义为： 突变算子对下一代的选择更新率： 其中，为每个突变算子的最小选择比。

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青岛科技大学，其通讯地址为：266000 山东省青岛市崂山区松岭路99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。