一种基于ML的涂布模头及浆料泵的前馈预测控制方法

本发明涉及涂布模头控制方法技术领域，具体为一种基于ML的涂布模头及浆料泵的前馈预测控制方法，该方法包括：实时采集涂布过程参数构建输入特征向量；利用PID控制算法根据分区面密度偏差及平均面密度偏差计算基础调节量；将基础调节量、输入特征向量输入至机器学习预测模型中得到面密度变化预测值；结合历史预测准确度计算出预测信任系数，基于面密度变化预测值与目标值的偏差、预测信任系数生成前馈矫正量；将PID控制算法计算的基础调节量与前馈矫正量叠加后输出最终控制指令。本发明通过机器学习预测与PID控制的前馈融合，有效克服了传统PID控制的滞后性，减少了面密度异常导致的废料，显著提升了涂布过程的稳定性和一致性（CPK值更高，COV值更低）。