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！

龙图腾网获悉龙门实验室申请的专利融合机器学习的极端制造过程工艺参数优化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：CN120742827B 。

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：202511211225.6，技术领域涉及：G05B19/418；该发明授权融合机器学习的极端制造过程工艺参数优化方法及系统是由毛丰;魏世忠;田崇;陈冲;钟易;黄钊铧;付文石;丁雅静;王幸福;郭安祖;靳东亮;刘松浩;张冀;于保宁;林乙丑;程凯设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本融合机器学习的极端制造过程工艺参数优化方法及系统在说明书摘要公布了：本申请涉及智能制造技术领域，公开了一种融合机器学习的极端制造过程工艺参数优化方法及系统。方法包括：从制造设备传感器获取多源数据，融合生成材料状态向量；输入预训练模型获取材料系数过渡趋势；判断趋势波动幅度是否超预设阈值，若超则标记关键节点并提取特征参数；针对关键节点，根据其特征参数和实时数据，采用控制算法计算参数调整量；基于参数调整量优化控制参数，生成控制指令序列并传输至执行器；获取调节后反馈数据，与过渡趋势对比，若偏差超容许范围则更新预训练模型。本发明通过预测性监控与智能控制的深度融合，实现了工艺参数精准优化与自适应控制，提升了极端制造过程稳定性与产品质量，降低了能耗与缺陷率。

本发明授权融合机器学习的极端制造过程工艺参数优化方法及系统在权利要求书中公布了：1.融合机器学习的极端制造过程工艺参数优化方法，其特征在于，包括S1、从部署在制造设备上的传感器获取多源数据，融合多源数据生成材料状态向量；S2、基于材料状态向量输入预训练模型，获取材料系数过渡趋势，材料系数过渡趋势是指材料的关键系数在工艺过程中，随时间、温度、压力工艺参数的变化而呈现出的动态变化规律；S3、判断材料系数过渡趋势的波动幅度是否超过预设阈值，若是，则标记关键节点并提取特征参数；S4、针对标记的关键节点，根据特征参数和实时数据，采用控制算法计算参数调整量；S5、根据参数调整量对控制参数进行优化，生成控制指令序列，并传输至执行器；S6、获取调节后的反馈数据，并与材料系数过渡趋势进行对比，基于对比结果更新预训练模型； S3包括基于预设时长对材料系数过渡趋势进行分段处理，计算每个分段的波动幅度，波动幅度通过计算趋势曲线在指定时间窗内的标准差得到，识别波动幅度超过预设阈值的点，并标记为关键节点；对材料系数过渡趋势中以关键节点为中心的一段数据进行线性拟合，计算该段数据的过渡斜率，将过渡斜率作为关键节点对应的特征参数；基于特征参数和波动幅度生成关键节点的特征描述数据； S4包括获取关键节点对应的输入变量组合；将输入变量组合进行模糊化，并映射为模糊集合，基于预设的模糊规则库对模糊集合进行模糊推理；基于模糊推理结果通过去模糊化方法计算得到控制输出值，基于控制输出值计算加热速率调整量；对过渡斜率和压力数据进行加权融合，获取优化的速率修正值； 以及引入特征选择机制，动态调整用于模糊推理的输入变量，包括基于神经网络对输入变量的重要性进行分析，评估每个输入变量在当前材料状态下的贡献度，并根据贡献度调整输入变量的权重；采用主成分分析对多维输入数据进行降维处理，提取影响材料性能变化的前K个主要成分，基于前K个主要成分生成输入变量组合；根据实时传感器反馈信号，评估每个输入变量在不同工艺阶段和材料条件下的实时重要性，基于实时重要性动态调整输入变量组合，以保证输入变量与材料状态的最佳匹配； 多源数据包括温度、压力和应力，S1包括采用数据融合技术对温度数据、压力数据和应力数据进行整合，并生成包含弹性模量和屈服强度的初始材料状态向量；对初始材料状态向量进行预处理，剔除噪声数据，获取材料状态向量； S2包括将材料状态向量输入预先训练的神经网络模型，神经网络模型通过激活函数处理材料系数的非线性变化特征，输出未来时间序列上的材料系数预测值，生成材料系数过渡趋势。

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龙门实验室，其通讯地址为：471000 河南省洛阳市伊滨区科技大道1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。