[发明专利]基于机器学习的激光器温度控制系统及方法

权利要求书

1.基于机器学习的激光器温度控制系统，其特征在于，包括：

依次连接的温度采集模块、微控制器模块、控温模块；

所述温度采集模块，用于采集被控对象的实时温度数据，并将所述实时温度数据传输至所述微控制器模块；

所述微控制器模块，用于接收并分析处理所述实时温度数据，并命令控温模块做出相应的控温处理；

所述控温模块，用于对所述微控制器模块下发的控制命令做出响应，对被控对象进行温度控制操作，完成温度控制。

2.根据权利要求1所述的基于机器学习的激光器温度控制系统，其特征在于，

所述激光器温度控制系统还包括用户界面模块，所述用户界面模块分别与所述温度采集模块、微控制器模块相连接，用于显示温度采集模块所测得被控对象当前的温度值，并通过用户界面设置不同温度目标值交予所述微控制器模块进行算法处理。

3.根据权利要求1所述的基于机器学习的激光器温度控制系统，其特征在于，

所述微控制器模块包括BP神经网络单元、参数处理单元、PID控制单元；

所述BP神经网络单元的输入端与所述微控制器模块的输入端共用同一输入端；所述BP神经网络单元的输出端与所述参数处理单元的输入端连接；所述参数处理单元的输出端与所述PID控制单元的输入端连接；所述PID控制单元的输出端与所述微控制器模块的输出端共用同一输出端。

4.根据权利要求3所述的基于机器学习的激光器温度控制系统，其特征在于，

所述BP神经网络单元包括输入层、隐藏层、输出层；

所述输入层位于所述BP神经网络单元的输入端，包括三个神经元，分别输出为当前温度误差、误差的变化量、误差的变化趋势；

所述隐藏层位于BP神经网络单元中输入层与输出层之间，对应神经元个数为8；

所述输出层位于BP神经网络单元的输出端，包括三个神经元，分别输出为比例系数、积分系数、微分系数。

5.根据权利要求3所述的基于机器学习的激光器温度控制系统，其特征在于，

所述参数处理单元包括：倍数放大模拟预测单元、数据结果筛选处理单元；

所述倍数放大模拟预测单元与所述数据结果筛选处理单元连接，分别用于对输出层神经元所得的计算结果、不能直接用于激光器被控对象温度控制时的PID参数，进行按比例倍数放大模拟预测以及数据结果筛选处理。

6.基于机器学习的激光器温度控制方法，其特征在于，包括以下步骤：

通过温度采集模块采集被控对象的实时温度数据，将所述实时温度数据分别传输给微控制器模块和用户界面模块；

基于所述用户界面模块设置温度设定值，所述微控制器模块根据所述实时温度数据与所述温度设定值，获得当前温度的温度误差结果；

根据所述当前温度的温度误差结果，基于控温模块对被控对象进行温度控制操作，完成温度控制。

7.根据权利要求6所述的基于机器学习的激光器温度控制方法，其特征在于，

所述当前温度的温度误差结果包括当前温度误差值、误差的变化量、误差的变化趋势。

8.根据权利要求6所述的基于机器学习的激光器温度控制方法，其特征在于，

根据所述当前温度的温度误差结果，基于控温模块对被控对象进行温度控制操作的过程包括，基于所述微控制器模块，通过BP神经网络算法、参数处理算法、PID控制算法进行算法处理，获得PID参数值；根据所述PID参数值进行PID控制运算，获得增量运算结果；将所述增量运算结果传输至所述控温模块，所述控温模块根据所述增量运算结果对被控对象进行温度调整，使温度测量值逐渐向温度设定值靠拢，直至温度误差趋于零并最终等于零完成温度控制。