面向智能制造的真空注型工艺质量控制方法

针对真空注型(VC)产品质量依赖于工艺设计人员经验,造成VC装备自动化程度低、加工柔性差、产品质量难以控制等问题,基于计算机图形学和人工智能技术,建立一种面向VC工艺的质量控制模型。通过构建体素化模型,近似求解壁厚、均匀程度、体积等模具型腔几何特征参数;在此基础上,融合案例推理和神经网络推理技术,建立型腔几何特征参数与成形工艺间的关系模型,充分利用历史案例,实现初始工艺参数的智能推荐;利用基于规则的模糊逻辑推理方法,挖掘工艺设计人员经验,对试模后的产品缺陷进行智能修正。生产实例说明,基于上述思想方法和推理机制的质量控制模型有较好的推理和质量控制能力。     

真空注型智能质量控制方法及系统实现

针对传统真空注型工艺参数的设定大多依靠人为经验而导致浇注件的质量难以控制的问题,考虑到真空注型工艺过程为典型的多变量非线性的间隙工业过程,结合实例推理、神经网络和模糊推理技术,构建真空注型智能质量控制系统。系统采用模块化结构,其中实例推理模块主要利用实例推理技术实现类似浇注实例工艺参数的自动检索;神经网络模块主要利用神经网络技术建立浇注件几何特征和工艺参数的关系模型,从而实现对新浇注实例工艺参数的智能推荐;模糊推理模块主要采用模糊推理技术实现工艺参数的智能修正。通过将该系统用于自制的真空注型物理样机验证了所研究的理论方法的可行性,以及所开发系统的高可靠性。     

差压式真空注型数字控制系统研究

在差压式真空注型工艺方法分析的基础上,确定影响浇注件质量的关键因素,构建差压式数字控制真空注型系统,对其关键技术进行研究,提出了基于直接图像法的气泡监控方法和基于模糊神经网络的质量控制方法,并介绍了具体的实现过程。最后,通过物理样机进行实验以验证差压真空注型工艺对浇注件质量的影响以及系统的可行性和先进性。     

差压式真空注型过程仿真及工艺参数优化

本文首先研究差压式真空注型过程流体力学规律,并建立相应的反应动力学模型、反应成型粘度模型和化学流变学模型分析其成型机理;其次,结合正交实验设计理论和CAE技术设计仿真正交实验,并利用MPI软件进行注型过程仿真及浇注件质量的计算机辅助分析,探求主要工艺参数对浇注件质量的影响,确定影响质量的关键工艺参数,归纳关键工艺参数的调节规律,确定优化的工艺参数组合,为实际注型过程工艺参数的提供理论支持。     

基于PLC的真空注型控制系统的实现

针对真空注型系统的工艺要求,采用基于PLC的电气控制系统。分析了PLC作为真空注型控制系统的主控制器的优点,深入研究了控制系统搭建的关键技术和实现方法。     

调压式真空注型充型速度智能调控方法研究

针对真空注型(Vacuum casting,VC)浇注件由于充型速度不稳定所导致的翘曲变形质量缺陷,提出调压式真空注型工艺,并分析压力充型机理,论证压力差是影响充型速度的关键工艺参数,并通过分析阀口开度和充型速度的关系制定了充型速度控制策略。详细介绍该控制策略的实现过程,包括：对浇注件的STL模型进行体素化,并获取模腔的体积及横截面面积等特征;采用控制体积法对充型过程进行数值模拟,获得理论的阀口开度调节曲线;构建阀口开度模糊控制器,并利用二维查询表实现模糊推理过程,提高了控制器的响应速度,减小超调量。利用自主研制的试验平台结合具体实例进行试验,试验结果充分体现了调压式真空注型工艺的优势,证明了控制策略的可行性,大大提高了浇注件质量,为真空注型技术提供了一种新的工艺方法。     

基于模糊PI控制器的永磁同步电机矢量控制仿真研究

为改进传统PID控制的永磁同步电动机调速系统性能,提出一种基于模糊PI控制的永磁同步电机矢量控制新方法.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

永磁直线伺服系统模糊PI速度控制器研究

针对永磁直线同步电机伺服系统常规PI速度调节器动态响应慢、输出超调大等问题,提出了模糊自适应PI速度控制器,对比常规PI速度控制器进行了仿真和实验。基于永磁直线同步电机矢量速度闭环控制,分析了模糊PI速度控制器和基于模糊PI控制器的伺服矢量控制系统的结构,设计了模糊PI速度控制器,在Matlab/Simulink仿真环境下,建立了基于模糊PI速度控制器的永磁直线同步电机伺服系统仿真模型,并通过实际永磁同步直线电机伺服系统实验对仿真结果进行了实验验证。研究结果表明,模糊PI速度控制器,相对于常规PI控制器,可以明显降低超调量和调节时间。将仿真结果和试验结果对比,两者基本吻合,说明模糊PI速度控制确实可以较好地改善永磁直线同步电机伺服系统的动态性能。     

基于模糊预测函数的直线伺服系统的速度控制

针对永磁直线同步电机伺服系统存在非线性、强耦合、参数时变等特点,提出了一种新型的模糊预测函数控制方法。它将预测函数控制和具有参数自调整的模糊控制进行综合来共同控制直线同步电机伺服系统,并且根据控制系统的速度偏差和偏差变化率,利用放大倍数对模糊控制器的参数进行在线修改。仿真结果表明,采用该控制方法设计的控制器满足系统对快速性和稳态精度的要求,系统具有较强的鲁棒性和抗干扰性,能够实现复杂系统的有效控制。     

真空注型气泡监控方法的研究

针对现有真空注型设备气泡检测和消除方法存在的问题,结合机器视觉和图像处理等技术,研究气泡实时监控方法。首先采用直接图像(DI)法利用CCD数字相机实现真空注型气泡检测,并通过VC++线程技术实现气泡图像连续采集;然后研究适合真空注型气泡图像处理算法,特别针对高重叠、大变形的气泡特征提取,提出一种气泡边缘像素比例算法,较好地解决了重叠气泡的信息丢失问题;最后给出了该方法的具体实现过程,并通过实验,验证其可行性和有效性。     

基于模糊神经网络的磁浮车悬浮控制器

以EMS型磁悬浮车单电磁铁为研究对象,建立了系统的数学模型.为增强悬浮系统的抗干扰能力和负载能力,针对其非线性特性,采用神经网络和模糊控制理论相结合的方法设计了非线性控制器FNNC.该控制器继承了模糊控制鲁棒性强以及神经网络的非线性逼近和自学习能力,运用加速反传训练方法对参数进行调整,并通过TMS320F2812型DSP实现单点悬浮用.实验及仿真表明,该控制器使系统悬浮稳定,动态性能好,与传统的PID控制器相比具有更好的快速跟踪性能和抗干扰能力.     

基于模糊神经网络和遗传算法的仿人智能PID控制器设计

阐述一种新型的模糊神经网络加遗传算法的智能PID控制器     

基于模糊控制的电磁式助力转向控制系统

电磁式助力转向是汽车动力转向系统领域的一项新结构。电磁助力器工作电流的控制是电磁式助力控制系统软件设计的一个最基本的控制策略和方法。文中详细地介绍了电磁助力器工作电流模糊控制器的设计方法。文中也给出了方向盘把持力在阶跃输入下的时域响应的仿真结果．该结果表明电磁助力系统具有较好的响应特性。     

基于模糊PI的改进型Smith预估控制及应用

时滞现象在工业控制系统中普遍存在,常规控制方法很难满足控制要求。Smith预估控制能克服系统的时滞现象,当预测模型存在误差时,控制效果将会下降。对Smith预估控制方法进行改进,辅助制器采用PI控制,主控制器采用模糊PI控制,将这种方法应用到温度控制系统中去,研究结果表明,改进后的这种控制方法具有较好的控制效果。     

基于LabVIEW的PID参数自适应模糊控制器设计

PID算法是一个广泛应用于工业控制的算法，但它对非线性和不确定性系统适应性不够理想。PID参数自适应模糊控制器将模糊逻辑推理引入PID参数的在线自调整，是目前一种较为先进的控制器。考虑到LabVIEW是一种基于G语言的高效的专为科学家和工程师设计的虚拟仪器开发工具，这里将Fuzzy Logic Toolkit和PID Controller Toolkit两个工具箱与LabVIEW相结合，实现了上述算法。正是因为LabVIEW能快速构建实现交互控制系统的图形用户界面，并且它与测量、自动化硬件紧密的结合完善了数据采集、信号分析和信息显示的解决方案，这种基于LabVIEW的PID参数自适应模糊控制器在工业控制领域必将有广阔的前景。     

基于SIRM的倒立摆模糊控制器

探讨了倒立摆控制中的一些方法和应用，指出了通常模糊控制规则过于复杂的问题，设计了基于SIRM(单输入规则模块)的模糊控制器，既解决了模糊控制规则复杂的问题，又实现了倒立摆的快速稳定。最后，通过仿真验证了控制系统的效果。     

一种基于模糊控制的温度控制器设计

为了提高试验箱的温度控制系统性能,设计了带有自调整因子的模糊控制器,该控制器在常规模糊控制的基础上增加了自调整因子和积分项,利用误差和误差的变化量实时修正控制参数,提高了控制精度。实验表明,该控制算法不仅能够克服试验箱加热系统的大延时、大惯性和非线性等问题,而且能够满足调节时间短,超调量小于5%以及稳态误差在0.1℃内的控制要求。     

一种基于存储器地址映射的二维模糊控制器

针对各种智能控制算法实现环节烦琐、计算量大、实时性较差的问题,提出一种基于存储器地址映射网络的硬件与算法融合型二维模糊控制器实现方案.首先建立模糊控制器的输出和其输入误差和误差变化率之间的映射关系,然后离线计算控制输出量直接存储在存储器中,以误差和误差变换率作为地址,在控制时序脉冲的作用下,通过地址映射以在线查表的方式直接输出控制量控制被控对象.最后设计了该模糊控制器的硬件电路并进行了实验研究.实验结果表明这种控制器实现方案是可行的,具有良好的控制品质,且该控制器不需要CPU,系统开发不用编写任何程序,因而具有电路结构简单、成本低、实时性好、应用简便等优点.     

基于高斯模糊信息粒化和改进小波神经网络的短期负荷区间预测研究

针对现有短期负荷预测方法适应性不足、预测精度不高,WNN原始连接权值和阈值采取随机赋值并采用梯度学习算法进行修正,存在进化缓慢、易出现陷入局部极小或不收敛等问题,提出了基于高斯FIG和改进WNN的短期负荷区间预测新方法。用收敛速度更快的函数取代常用的输出层神经元函数,并用粒子群算法寻优取代WNN连接权值和阈值随机赋值。把网络连接权值和阈值作为粒子群算法微粒的位置向量,不断调整微粒的速度和位置向量以寻求最优值。选择了合适的数据跨度作为一个粒化窗口,对原始负荷数据进行了高斯模糊粒化处理,得到了对应的高斯FIG后的序列值,并用改进后的WNN对模糊序列值进行了区间预测。与WNN及SVM方法的对比研究结果表明,该方法不仅能够获得比单一负荷值更多的区间信息,而且预测精度更高,能够更好地指导电力系统相关决策。