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！

龙图腾网获悉上川精密科技(无锡)有限公司申请的专利一种基于ML的涂布模头及浆料泵的前馈预测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：CN121364644B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511939355.1，技术领域涉及：G05B13/04；该发明授权一种基于ML的涂布模头及浆料泵的前馈预测控制方法是由徐丁峰;曹国平;汤苏;李嘉强设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本一种基于ML的涂布模头及浆料泵的前馈预测控制方法在说明书摘要公布了：本发明涉及涂布模头控制方法技术领域，具体为一种基于ML的涂布模头及浆料泵的前馈预测控制方法，该方法包括：实时采集涂布过程参数构建输入特征向量；利用PID控制算法根据分区面密度偏差及平均面密度偏差计算基础调节量；将基础调节量、输入特征向量输入至机器学习预测模型中得到面密度变化预测值；结合历史预测准确度计算出预测信任系数，基于面密度变化预测值与目标值的偏差、预测信任系数生成前馈矫正量；将PID控制算法计算的基础调节量与前馈矫正量叠加后输出最终控制指令。本发明通过机器学习预测与PID控制的前馈融合，有效克服了传统PID控制的滞后性，减少了面密度异常导致的废料，显著提升了涂布过程的稳定性和一致性CPK值更高，COV值更低。

本发明授权一种基于ML的涂布模头及浆料泵的前馈预测控制方法在权利要求书中公布了：1.一种基于ML的涂布模头及浆料泵的前馈预测控制方法，其特征在于：包括以下步骤： S1：基于涂布生产线进行数据采集，数据采集包括历史数据采集、实时数据采集和实时面密度数据采集；实时数据采集包含T块位置偏移量、浆料泵转速变化量、T块实际物理位置、回流压力及腔体压力的过程参数，得到t+1时刻的输入特征向量，t+1代表当前时刻；实时面密度数据采集包括t+1时刻面密度仪测得面密度值pt+1；历史数据采集获取模型训练数据集合； S2：基础调节量计算，基于当前时刻面密度仪测得的分区面密度偏差和平均面密度偏差，通过PID控制器计算得到各分区T块基础调节量和浆料泵基础调节量； S3：前馈预测与矫正，将所述T块基础调节量和浆料泵基础调节量与当前时刻的T块实际物理位置、回流压力及腔体压力组合为预测输入向量，预测输入向量输入至机器学习预测模型确定面密度变化预测值；随后基于面密度变化预测值与面密度变化目标值的偏差及预测信任系数γ，生成T块前馈矫正量和浆料泵前馈矫正量； S4：最终控制输出，将T块基础调节量和浆料泵基础调节量与T块前馈矫正量和浆料泵前馈矫正量相加，得到并下发最终的T块调节量和最终的浆料泵调节量； S5：模型更新，根据设定的条件，利用新的生产数据滚动更新所述机器学习预测模型； 所述预测信任系数γ基于历史预测误差计算，其计算公式为：；其中h为历史预测窗口，为第i次预测中面密度变化预测值与面密度变化实际值Yi+1之间误差的绝对值，为误差的标准差，为指数函数，提供非线性衰减特性； 所述T块前馈矫正量和浆料泵前馈矫正量基于面密度变化预测值与面密度变化目标值的偏差及预测信任系数γ生成，计算公式分别为： ； ； 其中，与分别为T块调节的矫正系数与泵速调节的矫正系数，可根据实际的工况调参，为面密度变化目标值，为面密度变化预测值，γ为预测信任系数； 所述机器学习预测模型还包括多模型自适应步骤：在模型训练步骤中，利用模型训练数据集合并行训练至少包括LSTM和SVR在内的多种类型的机器学习模型，并基于各模型在验证集上的决定系数来选取当前工况下的最优模型用于生成T块前馈矫正量和浆料泵前馈矫正量； 所述基于各模型在验证集上的决定系数来选取当前工况下的最优模型，具体为：计算并比较各模型的决定系数，选取决定系数最大的模型作为生成T块前馈矫正量和浆料泵前馈矫正量的预测模型；其中，决定系数的计算公式为： ； ； ； ； 其中，为残差平方和；为总平方和；为第i次的面密度变化预测值，Yi+1为第i次的面密度变化实际值；为面密度变化实际值的均值；n为验证集中的样本总数。

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川精密科技(无锡)有限公司，其通讯地址为：214000 江苏省无锡市新吴区长江南路生命科技园35-301栋1层；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。