具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

实施例1：系统介绍

一种应用于压力精密控制的自动机器学习系统，包括：高精度数字压力传感器、自动机器学习装置、气体压力精密控制装置和高压气液增压装置依次连接，其中：高精度数字压力传感器、用于对压力进行测量并通过输出数字量信号；自动机器学习装置、包括数据预处理模块、监督机制模块、数据集存储模块、深度学习模块、人机交互模块连接组成，数据预处理模块、用于采集高压气液增压装置的输出数字量信号，剃除错误数据；监督机制模块、用于实时计算压力控制偏差pe、压力变化率et，能根据用户设定的压力值及容忍边界条件，调用数据集存储模块中的最优参数并输出数字量控制信号，同时自动判断并向深度学习模块发出学习指令；同时对多次学习结果进行最优选择，并保存到数据集存储模块中；数据集存储模块、用于保存历史最优参数及当前深度学习最优选择结果，并重新按用户设定的容忍边界条件进行最优选择；深度学习模块、用于根据监督机制模块发出的学习指令，自动进行参数学习并将学习结果数据上传监督机制模块，如果该次学习结果不满意，则再次发出学习指令，再次进行第二次学习，直到收到结束指令停止学习；人机交互模块、用于提供用户参数设定及相关参数显示；气体压力精密控制装置、用于接收数字量控制信号，并转换为精密控制气源信号；并恒定输出气源；高压气液增压装置、用于接收精密控制气源信号，线性输出压力回路。

优选地，所述气体压力精密控制装置包括数字量电压信号装置、高精度比例气动阀、稳压阀、气源；其中数字量电压信号装置通过 RS485通讯口接收数字量控制信号转换为0-10VDC直流输出信号，信号分辨率0.0001VDC；高精度比例气动阀电气侧接收0-10VDC直流信号，并线性输出0-1.0MPa精密控制气源信号；稳压阀将气源输出气体压力恒定为1.0MPa输出，并提供给高精度比例气动阀气源侧。

优选地，所述高压气液增压装置包括气液增压泵、输出压力回路、油箱；其中气液增压泵增压比例为1:100，并线性输出0—100MPa压力至输出压力回路。

实施例2：实例演示

如图1所示，一种应用于压力精密控制的自动机器学习系统，由高精度数字压力传感器、自动机器学习装置、气体压力精密控制装置、高压气液增压装置依序连接组成；

1.高精度数字压力传感器1准确度等级为±0.01％FS,量程为0—100MPa，对压力进行测量并通过RS485通讯口输出数字量信号，信号分辨率0.0001MPa，采样速率0.1s。

2.自动机器学习装置2利用嵌入式处理器的高速处理能力及自动机器学习技术提高压力控制精度。由数据预处理模块、监督机制模块、数据集存储模块、深度学习模块、人机交互模块连接组成。其中数据预处理模块12高速采集高压气液增压装置4输出压力测量数字量信号，通过数据清洗，剃除错误数据。并对连续数据取N次中值连续数据次数N值可用户设定，N≧3，以降低压力测量值的波动；监督机制模块13实时计算压力控制偏差pe、压力变化率et。根据用户设定的压力值及容忍边界条件，调用数据集存储模块14中的最优参数并输出数字量控制信号，同时自动判断并向深度学习模块15发出学习指令。同时对多次学习结果进行最优选择，并保存到数据集存储模块14中；数据集存储模块14保存历史最优参数及当前深度学习最优选择结果，并重新按用户设定的容忍边界条件进行最优选择；深度学习模块15根据监督机制模块13发出的学习指令，自动进行参数学习并将学习结果数据上传监督机制模块13，如果该次学习结果不满意，则再次发出学习指令，再次进行第二次学习，直到收到结束指令停止学习；人机交互模块16 主要提供用户参数设定及相关参数显示。

3.气体压力精密控制装置3通过RS485通讯口接收数字量控制信号，并转换为0-1.0MPa精密控制气源信号。由数字量电压信号装置、高精度比例气动阀、稳压阀、气源组成。其中数字量电压信号装置17 通过RS485通讯口接收数字量控制信号转换为0-10VDC直流输出信号，信号分辨率0.0001VDC；高精度比例气动阀18电气侧接收0-10VDC直流信号，并线性输出0-1.0MPa精密控制气源信号；稳压阀19将气源20 输出气体压力恒定为1.0MPa输出，并提供给高精度比例气动阀18气源侧。

4.高压气液增压装置4接收0-1.0MPa精密控制气源信号，按1:100 增压比例线性输出0—100MPa压力。由气液增压泵、输出压力回路、油箱组成。其中气液增压泵20增压比例为1:100，并线性输出0— 100MPa压力至输出压力回路21；油箱22为气液增压泵20提供油介质。

实施例3：方法介绍

自动机器学习装置为本发明一种应用于压力精密控制的自动机器学习方法核心，其根据压力控制偏差Pe和压力变化率et通过自动机器学习方法选择最优参数进行压力精密控制。如果压力控制响应时间及压力波动稳定时间超出容忍边界条件，则启动控制参数深度学习。

一种应用于压力精密控制的自动机器学习方法，包括以下步骤：

S1、采集高压气液增压装置的压力进行测量并输出数字量信号；

S2、实时计算压力控制偏差pe、压力变化率et，根据用户设定的压力值及容忍边界条件，调用最优参数并输出数字量控制信号，同时自动判断是否发出深度学习指令；深度学习时，同时对多次学习结果进行最优选择；并重新按用户设定的容忍边界条件进行最优选择；

S3、进行参数学习并获得学习结果数据，如果该次学习结果数据不满意，则再次发出学习指令，再次进行学习，可循环N次，直到收到结束指令停止学习，形成数字量控制信号；

S4、接收数字量控制信号，并转换为精密控制气源信号；并恒定输出气源；

S5、接收精密控制气源信号，线性输出压力回路。

优选地，如图2所示，步骤S1还包括：被控压力对象压力测量信号P，通过数据清洗，剃除错误数据，并对连续数据取N次中值，以降低压力测量值的波动；

步骤S2还包括：通过压力设定值Ps与预处理后的实际测量压力 Pr实时计算压力控制偏差Pe，通过单位时间t及预处理后的实际测量压力Pr变化值实时计算压力变化率et；根据用户设定的容忍边界条件：控制响应时间TX和波动稳定时间TW，调用最优参数进行压力精密控制，当控制响应时间tx、波动稳定时间tw超出容忍边界条件则启动控制参数的深度学习。

优选地，参数的深度学习包括升降压过程参数学习和稳定过程参数学习；其中：如图3所示，用户输入压力设定值，记录当前压力值 P0，1号时间控件计时开始，同时实时计算压力控制偏差Pe；从参数数据集中选择最优参数进行升降压力控制，当压力控制偏差Pe绝对值小于或等于0.005MPa时计算控制响应时间tx并中断1号时间控件。如果控制响应时间tx大于用户设定的控制响应时间TX，则启动升降压过程参数学习，否则继续进行压力稳定过程控制；

所述升稳定过程参数学习的步骤包括：进行压力稳定过程控制，实时计算单位时间压力变化率et；如果压力变化率et绝对值小于或等于0.002MPa时启动2号时间控件计时开始，同时计算波动稳定时间tw，如果波动稳定时间tw大于用户设定的波动稳定时间TW，则该压力设定点的精密控制结束，否则重新启动2号时间控件计时，并进行判断，如果M次判断都不合格则启动稳定过程参数学习。

优选地，如图4所示，启动升降压过程控制参数学习，设置R＝2，并记录当前压力设定值Ps；同时压力控制设定值设置为P0，并实时计算压力控制偏差Pe；从参数数据集中选择最优参数进行升降压力控制；

如果压力控制偏差Pe绝对值小于或等于0.005MPa时，则将压力控制设定值设置为Ps，同时从参数数据集中选择最优参数，设置增减压步进值＝当前最优参数原步进值*R；

开始参数学习，并启动时间控件3计时开始，当压力控制偏差 Pe绝对值小于或等于0.005MPa时计算控制响应时间tx并中断时间控件3；

如果控制响应时间tx小于或等于用户设定的控制响应时间TX，并且控制响应时间tx小于或等于最优控制响应时间txMIN，则将当前控制参数存入参数数据集并结束该次升降压过程参数学习，否则设置R＝R+1，将压力控制设定值设置为P0重新进行升降压过程控制参数学习。

优选地，如图5所示，启动稳定过程控制参数学习，设置F＝2，并实时计算压力控制偏差Pe、单位时间压力变化率et；

从参数数据集中选择最优参数，并记录原始步进值；设置增减压步进值＝当前最优参数原步进值*F，进行压力控制；

如果压力控制偏差Pe绝对值小于或等于0.005MPa，并且压力变化率et绝对值小于或等于0.002MPa时启动时间控件4计时开始，同时计算压力波动稳定时间tw；

如果压力波动稳定时间tw大于用户设定的波动稳定时间TW，并且压力波动稳定时间tw大于最优波动稳定时间twMAX，则将当前控制参数存入参数数据集并结束该次稳定过程控制参数学习，否则设置 F＝F+1，继续设置增减压步进值＝当前最优参数原步进值*F重新进行稳定过程控制参数学习。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。