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！

龙图腾网恭喜瀚洋重工装备制造(天津)有限公司申请的专利万能压力试验机的压力测试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：CN119472442B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411958748.2，技术领域涉及：G05B19/042；该发明授权万能压力试验机的压力测试控制方法及系统是由赵武;何玉邦;雷亮东;周剑晨;陈春阳;娄雅茹;赵富民设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本万能压力试验机的压力测试控制方法及系统在说明书摘要公布了：本发明提供一种万能压力试验机的压力测试控制方法及系统，涉及材料试验机技术领域，包括：获取液压缸参数和伺服阀参数，建立压力控制数学模型，计算传递函数，初始反馈控制器，确定隐藏层节点数并设置激活函数和网络权重，得到自适应反馈控制器；生成闭环控制系统，基于积分绝对误差和调节时间构建目标函数，结合多目标遗传算法确定帕累托最优解集，选择神经网络训练样本并生成训练样本集，进行离线预训练，更新网络权重得到预训练神经网络；嵌入至压力控制系统，输出反馈控制器参数，设置反馈控制器抗饱和策略并判断是否饱和，根据误差信号和饱和方向关系对积分项幅值进行限制并确定是否停止积分，生成当前工况下的压力机控制策略。

本发明授权万能压力试验机的压力测试控制方法及系统在权利要求书中公布了：1.万能压力试验机的压力测试控制方法，其特征在于，包括：获取万能压力试验机的液压缸参数和伺服阀参数，根据液压缸流量平衡方程和力平衡方程建立所述万能压力试验机中压力控制系统对应的压力控制数学模型，基于所述压力控制数学模型计算得到电压输入与负载压力输出之间动态关系的传递函数，基于所述压力控制数学模型，堆叠三层反向传播神经网络作为初始反馈控制器，基于所述初始反馈控制器的输入层节点和输出层节点确定隐藏层节点数并设置激活函数和网络权重，得到自适应反馈控制器；将所述压力控制数学模型和所述自适应反馈控制器进行集成，生成闭环控制系统，基于积分绝对误差和调节时间构建目标函数，将超调量作为约束条件，结合多目标遗传算法确定反馈控制器参数对应的帕累托最优解集，在所述帕累托最优解集中选择神经网络训练样本并基于压力机常见工况生成覆盖不同压力指令类型的训练样本集，使用所述训练样本集对所述反向传播神经网络进行离线预训练，通过LM算法更新每层反向传播神经网络的网络权重得到预训练神经网络；将所述预训练神经网络嵌入至所述压力控制系统，根据压力反馈与指令的误差信号，结合梯度下降算法调整所述网络权重并输出反馈控制器参数，基于积分分离器和积分限幅器设置反馈控制器抗饱和策略并判断在当前控制参数下执行器是否饱和，根据所述误差信号和饱和方向关系对积分项幅值进行限制并确定是否停止积分，生成当前工况下的压力机控制策略；将所述压力控制数学模型和所述自适应反馈控制器进行集成，生成闭环控制系统，基于积分绝对误差和调节时间构建目标函数，将超调量作为约束条件，结合多目标遗传算法确定反馈控制器参数对应的帕累托最优解集，在所述帕累托最优解集中选择神经网络训练样本并基于压力机常见工况生成覆盖不同压力指令类型的训练样本集，使用所述训练样本集对所述反向传播神经网络进行离线预训练，通过LM算法更新每层反向传播神经网络的网络权重得到预训练神经网络包括：将所述压力控制数学模型和所述自适应反馈控制器进行集成，生成所述闭环控制系统，以压力指令为输入，通过所述自适应反馈控制器输出控制电压作用于所述伺服阀，完成闭环控制；以积分绝对误差和调节时间作为性能评价指标，构建目标函数并以超调量作为约束条件，以反馈控制器参数作为优化变量，其中，所述反馈控制器参数包括隐藏层节点数和输出神经元的权重；基于当前反馈控制器参数，通过多目标遗传算法随机生成初始种群，其中，所述初始种群中的每个个体表示一组反馈控制器参数，初始化环境信息素矩阵以及每个位置的信息素浓度初始值，对于每个个体，计算当前个体对应的目标函数值并初始化每个个体对应的个体最优位置以及全局最优位置，初始化外部存档，对于每个个体，基于所述环境信息素矩阵更新当前个体对应的速度和位置，对于位置更新后的个体计算目标函数值并更新当前个体对应的环境信息素，更新个体最优位置，若更新后的位置支配更新前的位置，则将更新后的位置添加至外部存档并删除更新前的位置信息，重复更新，直至每个个体的位置都被更新，对于更新后的外部存档中的解，进行非支配排序并分配非支配等级，基于所述非支配等级对所述外部存档中的解进行降序排列并选择位于前10%的解作为候选个体，对所述候选个体进行交叉和变异操作，生成二代个体，组合得到二代种群，重复迭代直至达到预设的最大迭代次数，将最后一次迭代选择的候选个体作为帕累托最优解，组合得到所述帕累托最优解集；选择所述帕累托最优解集中的解作为神经网络训练样本，结合压力机常见工况对应的压力指令类型，在所述神经网络训练样本中进行选择，得到所述训练样本集，基于所述训练样本集对所述反向传播神经网络进行离线预训练，结合所述LM算法，通过添加阻尼因子调整搜索方向并更新每层反向传播神经网络的网络权重，重复更新直至所述反向传播神经网络收敛或达到预设的最大迭代次数，得到所述预训练神经网络；更新所述环境信息素如下公式所示： ；其中，τjt+1表示位置j在时间步t+1的环境信息素值，ρ表示环境信息素挥发率，τjt表示位置j在时间步t的环境信息素值，At表示在时间步t时的个体总数，i表示个体索引，Q表示信息素强度因子，rankit表示个体i在时间步t的排名，α表示路径选择调节参数，cdit表示个体i在时间步的拥挤度，ε表示一个非常小的小数，I表示指示函数，用于指示当前个体是否到达过位置j，若到达过则取值为1，否则取值为0。

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瀚洋重工装备制造(天津)有限公司，其通讯地址为：300350 天津市津南区黄台工业园区宁园道18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”。