发明创造名称：基于神经网络的铝棒加热炉燃烧温度自动控制装置
外观设计名称：
决定号：201501
决定日：2020-01-19
委内编号：1F276152
优先权日：
申请（专利）号：201510257949.4
申请日：2015-05-18
复审请求人：广东兴发铝业有限公司 广东兴发铝业（江西）有限公司 兴发铝业（成都）有限公司 广东兴发铝业（河南）有限公司
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：马镯
合议组组长：张春伟
参审员：李鹏飞
国际分类号：G05D23/30
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求与最接近的现有技术相比存在区别技术特征，而该区别技术特征部分被其它对比文件公开，其余部分属于本领域的惯用手段，本领域技术人员在该最接近的现有技术的基础上结合该其它对比文件以及本领域的惯用手段得到该权利要求请求保护的技术方案是显而易见的，则该权利要求不具备创造性。
全文：
本复审请求涉及申请号为201510257949.4，名称为“基于神经网络的铝棒加热炉燃烧温度自动控制装置”的发明专利申请（下称本申请）。申请人为广东兴发铝业有限公司、广东兴发铝业（江西）有限公司、兴发铝业（成都）有限公司以及广东兴发铝业（河南）有限公司。本申请的申请日为2015年05月18日，公开日为2017年01月04日。
经实质审查，国家知识产权局专利实质审查部门审查员于2018年12月11日发出驳回决定，驳回了本申请，其理由是：权利要求1不具备专利法第22条第3款规定的创造性。驳回决定所依据的文本为2018年07月09日提交的权利要求第1项；申请日2015年05月18日提交的说明书第1-13页、说明书附图第1-3页、说明书摘要及摘要附图。驳回决定中引用的对比文件如下：
对比文件1：CN202074563U，公告日：2011年12月14日；
对比文件2：CN1883916A，公开日：2006年12月27日；
对比文件3：“传统神经网络ANN训练算法总结”，bluebelfast，《http://blog.csdn.net/bluebelfast/article/details/17139095》，公开日：2013年12月05日；
对比文件4：CN104155956A，公开日：2014年11月19日。
驳回决定所针对的权利要求书如下：
“1. 一种基于神经网络的铝棒加热炉燃烧温度自动控制装置方法，其特征在于：使用基于神经网络的铝棒加热炉燃烧温度自动控制装置，包含有加热炉燃烧系统和温度自动控制电气系统；
其中，所述加热炉燃烧系统包含天燃气系统、空气系统、电动执行器和组合火枪构成，所述天燃气系统及空气系统通过电动执行器和组合火枪相连；
其中，所述温度自动控制电气系统包含温度传感器及PID控制器；所述PID控制器通过D/A模块与电动执行器相连，所述温度传感器通过A/D模块与PID控制器相连；
所述天燃气系统包含燃气管道、及安装于燃气管道上的燃气过滤器、减压阀、燃气总电磁阀、点火电磁阀和大火电磁阀；所述减压阀、燃气总电磁阀、点火电磁阀和大火电磁阀与电动执行器相连；
所述空气系统包含空气管道、安装于空气管道上的蝶阀；所述蝶阀与电动执行器相连；
所述温度自动控制电气系统包含神经网络控制模块，所述神经网络控制模块与PID控制器相连；
其中，PID控制器包含温度测量模块，温度比较模块及输出控制模块；
其中，所述温度测量模块与温度传感器相连获取加热炉的炉内温度，将炉内温度传递至温度比较模块；所述温度比较模块比较炉内温度(ct)和设定温度(rt，)得出温度差值(et＝rt-ct)，并将温度差值(et＝rt-ct)传递至输出控制模块；
其中，所述输出控制模块包含第一计算控制模块和第二计算控制模块；
其中，第一计算控制模块接收温度差值，并与阈值比较，温度差值大于阈值时，进行全功率加热；
其中，第二计算控制模块接收温度差值，并与阈值比较，温度差值小于阈值时，通过神经网络控制模块对PID控制器进行调整；
其中PID控制器，包括：分为比例、积分和微分三部分的线性组合，构成PID控制方程：
Kp为比例增益，Ti为积分时间，Td为微分时间，P为控制量，e(t)为测量值y(t)与给定值r(t)的偏差；
将上述连续的PID控制方程离散化，设定采样周期为T，采样序号为n，则积分和微分离散化为：
e(n)和e(n-1)分别为第n次和第n-1次采样的偏差，则PID的控制方程可以离散化为：
Kp为比例增益，Ki为积分系数，Kd为微分系数，根据当前采样下得到的e(n)，根据公式(4)得到控制量用于控制加热炉的天燃气输入量；
其中，神经网络控制模块具有输入层、隐含层和输出层，其输出层参数分别对应PID控制中的比例参数Kp、积分参数Ki和微分系数Kd，其输入层参数为当前采样的温度偏差e(n)、控制量P(n)；
神经元的输出激活函数采用非负对称的Sigmoid函数：
给定一个由n个神经元的输入层，p个神经元的隐含层，q个神经元的输出层组成的网络结构，定义其变量如下：
输入层的输出向量：x＝(x1,x2,...,xn)
隐含层的输入变量：hi＝(hi1,hi2,...,hip)
隐含层的输出变量：ho＝(ho1,ho2,...,hop)
输出层的输入变量：yi＝(yi1,yi2,...,yiq)
输出层的输出变量：yo＝(yo1,yo2,...,yoq)
给定的期望输出变量：d＝(d1,d2,...,dq)
神经网络的向前传播计算如下：在第t次采样中，误差函数为隐含层的输入为隐含层的输出为hoh(t)＝f(hih(t))，输出层的输入为输出层的输出为yoo(t)＝f(yio(t))，输出层的输出对应PID控制系统的比例参数Kp、积分参数Ki和微分系数Kd；
其输出对应于某种最优控制规律下的PID控制参数：
1.首先计算误差函数e(t)对输出层的各神经元的偏导数
2.用输出层神经元的偏导数 修正输出层神经元的加权系数，μ表示学习率：
3.利用隐含层到输出层的加权系数、输出层的偏导数和隐含层的输出计算误差函数对隐含层各神经元的偏导数
4.用隐含层神经元的偏导数修正隐含层神经元的加权系数
计算此时的误差函数如误差已经到达指定精度，则停止迭代，否则继续反向传播以修正网络的加权系数；
首先温度传感器对火枪温度进行实时测量并将采集到的温度数据转化为电压信号，电压信号经A/D模块ICP-7017转换为上位机可识别的数字信号；然后上位机将当前的温差信号输入神经网络，得到用于计算PID控制系统的比例参数Kp、积分参数Ki和微分系数Kd，同时神经网络根据当前的温差信号与上一次采样的控制量输入误差反向传播方法以修正网络加权系数，实现PID控制系统的动态自适应参数调节，最后根据PID控制系统得到控制信号，控制信号经D/A模块ICP-7024转换为控制电动执行器的电流信号，实现对加热炉温度的控制。”
驳回决定具体指出：权利要求1请求保护一种基于神经网络的铝棒加热炉燃烧温度自动控制装置方法，对比文件1公开了一种燃烧加热装置工作过程，权利要求1与对比文件1相比，区别技术特征在于：（1）本申请中是电动执行器而对比文件1中是电动风门与自动调压器；火枪为组合火枪；本申请中是PID控制器而对比文件1中PID温控表，PID控制器通过D／A模块与电动执行器相连，温度传感器通过A／D模块与PID控制器相连；天然气系统的燃气管道上还安装有燃气过滤器、减压阀、燃气总电磁阀、大火电磁阀，减压阀、燃气总电磁阀、点火电磁阀和大火电磁阀与电动执行器相连，控制系统还包括安装于控制管道上的蝶阀，蝶阀与电动执行器相连；（2）本申请是基于神经网络的铝棒加热炉燃烧温度自动控制装置，温度自动控制电气系统包含神经网络控制模块，神经网络控制模块与PID控制器相连；（3）PID控制器包含温度测量模块，温度比较模块及输出控制模块；温度测量模块与温度传感器相连获取加热炉的炉内温度，将炉内温度传递至温度比较模块；温度比较模块比较炉内温度和设定温度得出温度差值，并将温度差值传递至输出控制模块；其中，输出控制模块包含第一计算控制模块和第二计算控制模块；其中，第一计算控制模块接收温度差值，并与阈值比较，温度差值大于阈值时，进行全功率加热；其中，第二计算控制模块接收温度差值，并与阈值比较，温度差值小于阈值时，通过神经网络控制模块对PID控制器进行调整；PID控制器，包括：分为比例、积分和微分三部分的线性组合，构成PID控制方程，PID控制方程的离散化步骤；（4）神经网络控制模块的具体网络结构以及训练过程；（5）自动控制装置的具体控制步骤。其中，区别技术特征（1）是本领域的常规技术手段；区别技术特征（2）部分是本领域的常规技术手段，其余部分被对比文件4公开；区别技术特征（3）部分被对比文件2公开，其余部分属于本领域的常规技术手段；区别技术特征（4）部分被对比文件3和4公开，其余部分是本领域的常规技术手段，区别技术特征（5）部分被对比文件4公开，其余部分是本领域的常规技术手段。因此，在对比文件1的基础上结合对比文件2-4以及本领域的公知常识，得到该权利要求所要求保护的技术方案对本领域技术人员来说是显而易见的，权利要求1不具备专利法第22条第3款规定的创造性。
申请人（下称复审请求人）对上述驳回决定不服，于2019年03月12日向国家知识产权局提出了复审请求，未修改申请文件。复审请求人认为：（1）本申请给出了一种针对铝合金生产中，对于铝棒加热炉的燃烧温度的自动控制方法，其具有非常强的针对性，是一种特定行业中的特定方法，并使用特定的装置进行自动控制，在本质上有很多区别，其与对比文件所解决的技术问题，所达到的有益效果，是完全不同的。本申请给出了非常具体的结构特征，以及与对比文件完全不同的计算和控制方式，其与对比文件相比，解决的计算问题不同，技术手段差异很大，也具有完全不同的有益效果，并且领域相差很大，本领域技术人员没有动机结合各个对比文件，来得到申请的技术特征。（2）对比文件1没有公开通过神经网络控制模块来整定PID控制器的比例、积分、微分系数，其也是本申请的关键技术特征，而对比文件4的技术领域和本案相差很大，并不应当用其来评价本案创造性，本案是铝型材领域，而对比文件4和铝型材铝合金加热完全不相关。（3）对比文件3同样在领域上与本申请相差很大，并不是在铝型材及铝棒加热领域，其也不应当用来评价本案创造性。
经形式审查合格，国家知识产权局于2019年03月15日依法受理了该复审请求，并将其转送至原专利实质审查部门进行前置审查。
原专利实质审查部门在前置审查意见书中坚持驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年09月20日向复审请求人发出复审通知书，指出：1、权利要求1与对比文件1相比，存在以下区别技术特征：（1）本申请用于铝棒加热炉的燃烧温度控制；火枪为组合火枪；PID控制器通过D/A模块与电动执行器相连，温度传感器通过A/D模块与PID控制器相连；天然气系统的燃气管道上还安装有燃气过滤器、减压阀、燃气总电磁阀、大火电磁阀，减压阀、燃气总电磁阀、点火电磁阀和大火电磁阀与电动执行器相连，控制系统还包括安装于控制管道上的蝶阀，蝶阀与电动执行器相连；（2）本申请是基于神经网络的燃烧温度自动控制装置，温度自动控制电气系统包含神经网络控制模块，神经网络控制模块与PID控制器相连；PID控制器包含温度测量模块，温度比较模块及输出控制模块；温度测量模块与温度传感器相连获取加热炉的炉内温度，将炉内温度传递至温度比较模块；温度比较模块比较炉内温度（ct）和设定温度（rt）得出温度差值（et＝rt-ct），并将温度差值（et＝rt-ct）传递至输出控制模块；其中，输出控制模块包含第一计算控制模块和第二计算控制模块；其中，第一计算控制模块接收温度差值，并与阈值比较，温度差值大于阈值时，进行全功率加热；其中，第二计算控制模块接收温度差值，并与阈值比较，温度差值小于阈值时，通过神经网络控制模块对PID控制模块进行调整；以及PID控制方程的离散化步骤；（3）神经网络控制模块的网络结构以及具体的训练过程；（4）自动控制装置的具体控制步骤。区别技术特征（1）是本领域技术人员所采用的惯用手段；区别技术特征（2）部分被对比文件4和2公开，其余部分是本领域的惯用手段；区别技术特征（3）部分被对比文件3和4公开，其余部分是本领域的惯用手段，区别技术特征（4）是本领域技术员在对比文件1和4公开内容的启示下，容易想到并予以实施的。在对比文件1的基础上结合对比文件2-4以及本领域的公知常识，得到权利要求1的技术方案，对于本领域技术人员来说是显而易见的，因此，权利要求1不具备专利法第22条第3款规定的创造性。2、针对复审请求人的意见陈述进行了答复。
复审请求人于2019年10月30日提交了意见陈述书，但未修改申请文件。复审请求人认为：（1）本申请给出了一种针对铝合金生产中，对于铝棒加热炉的燃烧温度的自动控制方法，其具有非常强的针对性，是一种特定行业中的特定方法，并使用特定的装置进行自动控制，在本质上有很多区别，其与对比文件所解决的技术问题，所达到的有益效果，是完全不同的。本申请给出了非常具体的结构特征，以及与对比文件完全不同的计算和控制方式，其与对比文件相比，解决的技术问题不同，技术手段差异很大，也具有完全不同的有益效果，并且领域相差很大，本领域技术人员没有动机结合各个对比文件，来得到本申请的技术特征。（2）对比文件1没有公开通过神经网络控制模块来整定PID控制器的比例、积分、微分系数，其也是本申请的关键技术特征，而对比文件4的技术领域和本案相差很大，并不应当用其来评价本案创造性，本案是铝型材领域，而对比文件4和铝型材铝合金加热完全不相关。（3）对比文件3同样在领域上与本申请相差很大，并不是在铝型材及铝棒加热领域，其也不应当用来评价本案创造性。对比文件3只是未实名博客的文章，众所周知，作者可以随时对文章进行修改，因此，复审请求人认为其公开日是不确定的，不满足作为证据的起码条件，不应考虑此份证据。在csdn博客网站上，也明确写明“CSDN无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查”，更说明此份公开文件不应作为证据出现。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人在复审阶段未修改申请文件，本复审请求审查决定依据的文本为：2018年07月09日提交
的权利要求第1项；申请日2015年05月18日提交的说明书第1-13页、说明书附图第1-3页、说明书摘要及摘要附图。
关于专利法第22条第3款
专利法第22条第3款规定：创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。
如果一项权利要求与最接近的现有技术相比存在区别技术特征，而该区别技术特征部分被其它对比文件公开，其余部分属于本领域的惯用手段，本领域技术人员在该最接近的现有技术的基础上结合该其它对比文件以及本领域的惯用手段得到该权利要求请求保护的技术方案是显而易见的，则该权利要求不具备创造性。
具体到本案，
权利要求1请求保护一种基于神经网络的铝棒加热炉燃烧温度自动控制装置方法。对比文件1公开了一种燃烧加热装置及其工作过程，包括控制炉体内温度的PID温控表（即公开了一种加热炉燃烧温度自动控制装置方法），并具体公开了以下技术特征（参见说明书第[0020]-[0026]段、附图1-2）：包括：炉体11、天然气进气管14、天然气罐19、空气进气管13、电动风门15、 自动调压器16（电动风门15、 自动调压器16二者相当于本申请中的电动执行器）、电磁阀18和火枪12（结合附图1，即公开了包含有加热炉燃烧系统，加热炉燃烧系统包含天然气系统、空气系统、火枪，天然气系统及空气系统通过由电动风门15与自动调压器16构成的部件和火枪12相连）；还包括控制炉体11内温度的PID温控表，炉体11内设置有与PID温控表电连接的测温元件热电偶（即公开了温度自动控制电气系统，温度自动控制电气系统包含温度传感器及PID控制器），PID温控表与电动风门15电连接，热电偶与PID温控表电连接；天然气系统包含天然气进气管14（相当于燃气管道）、安装于天然气进气管14上的点火电磁阀18，点火电磁阀18与自动调压器16相连；空气系统包含空气进气管13（相当于空气管道），空气进气管13与自动调压器16相连。
由此可见，权利要求1所要求保护的技术方案与对比文件1公开的技术内容相比，区别技术特征在于：
（1）本申请用于铝棒加热炉的燃烧温度控制；火枪为组合火枪；PID控制器通过D/A模块与电动执行器相连，温度传感器通过A/D模块与PID控制器相连；天然气系统的燃气管道上还安装有燃气过滤器、减压阀、燃气总电磁阀、大火电磁阀，减压阀、燃气总电磁阀、点火电磁阀和大火电磁阀与电动执行器相连，控制系统还包括安装于控制管道上的蝶阀，蝶阀与电动执行器相连；
（2）本申请是基于神经网络的燃烧温度自动控制装置，温度自动控制电气系统包含神经网络控制模块，神经网络控制模块与PID控制器相连；PID控制器包含温度测量模块，温度比较模块及输出控制模块；温度测量模块与温度传感器相连获取加热炉的炉内温度，将炉内温度传递至温度比较模块；温度比较模块比较炉内温度（ct）和设定温度（rt）得出温度差值（et＝rt-ct），并将温度差值（et＝rt-ct）传递至输出控制模块；其中，输出控制模块包含第一计算控制模块和第二计算控制模块；其中，第一计算控制模块接收温度差值，并与阈值比较，温度差值大于阈值时，进行全功率加热；其中，第二计算控制模块接收温度差值，并与阈值比较，温度差值小于阈值时，通过神经网络控制模块对PID控制模块进行调整；以及PID控制方程的离散化步骤；
（3）神经网络控制模块的网络结构以及具体的训练过程；
（4）首先温度传感器对火枪温度进行实时测量并将采集到的温度数据转化为电压信号，电压信号经A／D模块ICP-7017转换为上位机可识别的数字信号；然后上位机将当前的温差信号输入神经网络，得到用于计算PID控制系统的比例参数Kp、积分参数Ki和微分系数Kd，同时神经网络根据当前的温差信号与上一次采样的控制量输入误差反向传播方法以修正网络加权系数，实现PID控制系统的动态自适应参数调节，最后根据PID控制系统得到控制信号，控制信号经D／A模块ICP-7024转换为控制电动执行器的电流信号，实现对加热炉温度的控制。
基于上述区别技术特征，本申请相对于对比文件1实际要解决的技术问题是：（1）如何对铝棒加热炉进行温度控制以及如何调节进气量；（2）如何使温度快速达到设定值；（3）如何实现神经网络训练；（4）如何实现温度控制。
对于上述区别技术特征（1），本领域技术人员知晓生产铝型材的过程中，需要精确控制铝棒加热炉的燃烧温度，而对比文件1公开了通过控制天然气和空气流量以控制加热炉的燃烧温度的技术方案，当本领域技术人员面对如何控制铝棒加热炉的燃烧温度时，容易想到将对比文件1中的加热炉燃烧温度自动控制装置应用于铝棒加热炉上，并根据实际控制需要调整相应参数，而无需付出创造性劳动；将火枪具体设置为组合火枪是本领域技术人员根据燃烧加热需求容易想到的，是本领域技术人员所采用的惯用手段；PID控制器通过D/A模块与电动执行器相连、将温度传感器通过A/D模块与PID控制器相连以顺利实现温度采集及控制输出，是本领域技术人员所采用的惯用手段；此外，对比文件1已经公开了天然气系统包含燃气管道及安装在燃气管道上的点火电磁阀，空气系统包括空气管道；在天然气系统的燃气管道上安装燃气过滤器、减压阀、燃气总电磁阀和大火电磁阀以过滤天然气、提高燃气管道安全性、方便控制天然气流量是本领域技术人员容易想到的，在此基础上，本领域技术人员可以适应性地设置减压阀、燃气总电磁阀、点火电磁阀和大火电磁阀与电动执行器相连以顺利实现对火力的控制，且不需要付出创造性劳动；在空气系统的空气管道上安装蝶阀以控制空气流量是本领域技术人员所采用的惯用手段，在此基础上，本领域技术人员可以适应性地设置蝶阀与电动执行器相连，其为本领域技术人员所采用的惯用手段。
对于上述区别技术特征（2），对比文件4公开了一种无线温度远程监控系统，并具体公开了以下技术特征（参见说明书第[0024]-[0034]段及附图1-5）：基于改进型BP神经网络PID控制算法通过数模转换器DAI控制电阻炉的温度，使温度在较小超调的前提下快速达到预先设定的温度目标值，且由附图4可知，BP神经网络模块与PID控制器相连（即公开了温度自动控制电器系统包含神经网络控制模块，神经网络控制模块与PID控制器相连）。且上述技术特征在对比文件4中所起的作用与其在本申请中为解决其技术问题所起的作用相同，都是使温度快速达到设定值，因此，对比文件4给出了将上述技术特征用于对比文件1以解决其技术问题的启示。
并且，本领域技术人员知晓，PID控制器是根据PID控制原理对整个系统进行偏差调节，从而使被控制变量的实际值与预定值一致，也就是说，PID控制器把收集到的数据和一个参考值进行比较，然后把差值作为PID控制器的输入用于计算控制输出，使得被控制变量达到或者保持在预定值，进而对于本领域技术人员来说，设置PID控制器包含温度测量模块、温度比较模块及输出控制模块，并将温度测量模块与温度传感器相连获取加热炉的炉内温度，将炉内温度传递至温度比较模块，温度比较模块比较炉内温度（ct）和设定温度（rt）得出温度差值（et＝rt-ct），并将温度差值（et＝rt-ct）传递至输出控制模块，是本领域技术人员在对加热炉温度进行PID控制时所采用的惯用手段；
此外，对比文件2公开了一种炉体温度控制模块，并具体公开了以下技术特征（参见说明书第4页第3-4段）：在炉体内实际温度T与设定温度T0差值大与10度时，系统全功率加热，直至炉体实际温度T与设定温度T0差值小于10度，当实际温度T与设定温度T0的差值小于10度时，利用PID算法对温度进行控制（即公开了第一计算控制模块将温度差值与阈值比较，温度差值大于阈值时进行全功率加热，第二计算控制模块将温度差值与阈值比较，温度差值小于阈值时，进行PID算法对温度进行控制）；且上述技术特征在对比文件2中所起的作用与其在本申请中为解决其技术问题所起的作用相同，都是使温度快速达到设定值；因此，对比文件2给出了将上述技术特征用于对比文件1以解决其技术问题的启示；并且对比文件4已经给出了通过神经网络控制模块对PID控制器进行调整以使温度快速达到设定值的技术启示，在对比文件4的启示下，本领域技术人员容易想到在温度差值小于阈值时，通过神经网络控制模块对PID控制器进行调整，以优化控制效果。
对于PID控制方程的离散化，是本领域技术人员所公知的将连续PID控制方程进行离散化的推导过程，本领域技术人员知晓，计算机控制是一种采样控制，只能根据采样时刻的偏差值计算控制量，因此连续PID控制算法不能直接使用，需要采用离散化方法，因此当本领域技术人员在面对如何顺利实现对铝棒加热炉炉温温度的PID控制时，容易想到将模拟PID控制器进行离散化得到如公式（4）的离散化PID控制方程，进而根据当前采样下得到的e（n），根据公式（4）得到控制量用于控制加热炉的天然气输入量，无需付出创造性劳动。
对于上述区别技术特征（3），对比文件3公开了传统神经网络ANN训练算法总结，并具体公开了（参见第1-5页）：三层神经网络具有输入层、隐含层和输出层，使用非负对称的S型激活函数时BP神经网络输出函数，并公开了神经网络三层结构各变量的定义及前向传播的具体计算步骤，误差函数对输出层的各神经元的偏导数的计算公式，利用输出层各神经元的 和隐含层各神经元的输出来修正连接权值，利用隐含层各神经元的和输入层各神经元的输入修正连接权，计算全局误差，判断网络误差是否满足要求，当误差达到预设精度或学习次数大于设定的最大次数，则结束算法，否则，选取下一个学习样本及对应的期望输出，返回第三步，进入下一轮学习。且上述技术特征在对比文件3中所起的作用与其在本申请中为解决其技术问题所起的作用相同，都是对神经网络进行训练，即对比文件3给出了训练神经网络的启示。而其中具体的修正输出层神经元加权系数、计算误差函数对隐含层各神经元的偏导数、用隐含层神经元的偏导数修正隐含层神经元的加权系数以及计算误差函数的公式，都属于本领域所熟知的计算公式。并且对比文件4公开了（参见说明书第[0024]-[0034]段）：基于改进型BP神经网络PID控制器包括BP神经网络单元、传统PID控制单元、被控对象单元，BP神经网络单元主要用来调节传统PID控制器的三个参数KP、KI、KD，通过神经网络的自身学习、加权系数调整，从而使其稳定状态对应于某种最优控制率下的PID控制器参数，获得理想的自适应性和快速性。即对比文件4给出了利用神经网络调节PID参数的技术启示，在对比文件4的教导下，本领域技术人员容易想到令神经网络的输出对应PID控制系统的三个参数，无需付出创造性劳动。
对于区别技术特征（4），对比文件1公开了加热炉燃烧温度自动控制装置方法，对比文件4公开了基于改进型BP神经网络的PID控制器，在此基础上，当采用基于神经网络的PID控制器进行加热炉温度控制时，其具体的工作实现过程是本领域技术人员在现有技术的启示下，容易想到并予以实施的，无需克服技术障碍。
因此，在对比文件1的基础上结合对比文件2-4以及本领域的公知常识，得到权利要求1的技术方案，对于本领域技术人员来说是显而易见的，该权利要求所要求保护的技术方案不具有突出的实质性特点和显著的进步，不具备专利法第22条第3款规定的创造性。
针对复审请求人意见陈述的答复
针对复审请求人的意见陈述，合议组认为：
（1）本申请请求保护的是铝棒加热炉燃烧温度控制装置，对比文件1公开了燃烧加热装置的温度控制装置，其基于PID控制器调控天然气的流量和空气流量来控制加热炉内温度，与本申请同属于加热炉燃烧温度控制，二者仅仅在加热对象上存在差别。而铝棒同样有加热需求，当面对铝棒加热炉温度控制的技术问题时，本领域技术人员有动机将对比文件1所公开的加热炉燃烧温度自动控制方法应用于铝棒加热炉上，并根据铝棒的加工工艺要求设置相关参数，这不需要付出创造性劳动，且技术效果也是本领域技术人员可以合理预期的。并且，对比文件1已经公开了天然气罐、天然气进气管、空气进气管、电磁阀、自动调压器以及电动风门等相关结构，其具体的结构设计是本领域技术人员根据实际需要可以进行常规选择的，属于本领域的惯用手段。
（2）对比文件4公开了一种电阻炉温度控制系统，通过神经网络控制模块整定PID控制器的比例、积分、微分系数，以使温度快速达到设定值。即对比文件4公开了本申请的发明构思，给出了设置温度自动控制电气系统包含与PID控制器相连的神经网络控制模块的技术启示。而电阻炉与本申请的铝棒加热炉同样是在冶金、金属热处理加热等工业中应用，因此，本领域技术人员在面对铝棒加热炉的温度控制的技术问题时，有动机将对比文件4公开的对电阻炉的炉温控制方式应用于对比文件1，无需付出创造性劳动。
（3）对比文件3给出了与本申请相同的反向传播修正网络加权系数的神经网络训练方法，神经网络广泛应用于控制系统中，其具体的反向传播修正网络加权系数的神经网络训练过程并不受控制系统具体应用领域的限制，并且该训练过程是神经网络的常规训练方式。当本领域技术人员采用基于神经网络的控制方法对铝棒加热炉进行温度控制时，容易想到采用对比文件3给出的训练方式对神经网络进行训练。根据《专利审查指南2010》第二部分第三章第2.1.2.1节规定，存在于互联网或其他在线数据库中的资料是专利法意义上的“出版物”的具体形式之一，即审查指南将网络证据纳入了专利法意义上的出版物范畴，确立了网络证据在专利审查中作为证据使用的合法性。具体地，公开对比文件3的网站是正规的博客网站，虽然其只是作为用户传输信息的平台，但是其公开内容的时间是真实可信的，对比文件3的网页上明确标示有文章的最后修改时间2013年12月05日，早于本申请的申请日，即对比文件3在本申请的申请日前处于公开状态，因此对比文件3构成本申请的现有技术，并且对比文件3中公开的内容是神经网络的训练方法，其内容完整真实，因此可以用来作为证据评述本申请的创造性。
因此，复审请求人的意见陈述不具有说服力，合议组不予接受。
三、决定
维持国家知识产权局于2018年12月11日对本申请作出的驳回决定。
如果对本复审请求审查决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
