国家知识产权局信息显示，浙江大学软件学院（宁波）创新与管理中心;宁波赛思缇工控电子科技有限公司申请一项名为“一种基于知识注入与深度神经网络的压铸PID超调优化方法”的专利，公开号CN121325560A，申请日期为2025年11月。

专利摘要显示，本发明涉及工业过程控制技术领域，公开了一种基于知识注入与深度神经网络的压铸PID超调优化方法。本发明旨在解决传统PID控制中常见的压力超调问题。该方法包括以下步骤：首先，构建一个包含专家经验、物理规律及历史最优案例的压铸工艺知识库，为参数优化提供先验知识支撑；其次，针对知识库无法完全覆盖所有工况的局限性，设计并引入一个BP(反向传播)神经网络模型；再次，通过特征增强、损失加权等知识注入机制，利用知识库中的样本对所述BP神经网络进行训练，使其学习并泛化知识库中的内在规律；最后，将训练完成的模型用于在线推理，根据实时的系统状态(如误差信号)预测出最优的PID参数组合(Kp、Ki、Kd)，从而在无需反复试凑的情况下有效抑制控制过程中的超调现象。实验证明，本发明能够在有限知识覆盖率的情况下，显著降低系统的超调幅值，提高控制系统的动态性能和稳态精度。该发明不仅为PID控制超调优化提供了新的技术路径，也为新一代人工智能驱动的制造业数智化转型提供理论基础与实践支撑。

声明：市场有风险，投资需谨慎。本文为AI基于第三方数据生成，仅供参考，不构成个人投资建议。

本文源自：市场资讯

作者：情报员