挤出过程中的基本测量和控制

简要叙述了挤出工艺中测量的重要性。讨论了仪表的质量的评价并且评述了各种测量技术(压力,温度,出胶量,螺杆转速和能量)。叙述了一台实验用挤出机(直径45毫米,长径比25)。给出了六根通常尺寸的不同螺杆和五种材料(高密度聚乙烯,低密度聚乙烯,聚已内酰胺(Polycaprolactum),橡胶改性的聚苯乙烯,聚丙烯)的实验结果。实验中变动了螺杆转速和口模—机头压力。除自动加热过程外均采用机筒和螺杆冷却。从这些一连串的对比测量所导出的结论对于评价机器、控制工艺以及测量设备的采用等是很重要的。这些结论是:出胶量与模具—机头和后机筒压力的关系;料温和螺杆功率与出胶量的关系;不稳定传道和加热的发生;机筒和螺杆冷却对料温和出胶量的影响。实际上本文是为采用现代化仪表提出了依据,并且提出了应在机械设计师、仪表制造者和加工者三者之间进行紧密协作的要求。     

瑞士麦拉菲尔百年历史追求专业

瑞士麦拉菲尔公司，创立于1900年。早在1941年，麦拉菲尔公司就制造并交付使用了其第一台挤出机，这是一台80毫米螺杆直径，6倍长径比的挤出机。随后麦拉菲尔公司逐渐建立起了在塑料挤出行业中的声望，尤其是在60年代发明并注册专利的BM螺杆设计（屏障型螺杆），为挤出技术的发展，特别是特种螺杆技术的发展作出了卓著的贡献。     

聚合物混合状态检测中信号特征提取技术研究

针对螺杆挤出机中聚合物挤出过程的混合状态的在线检测要求,研究聚合物混合状态的超声波脉冲检测的特征信号的提取技术。通过研究超声波在聚合物中的速度和能量的衰减,推测分散在基体中的分散状态等混合物的状态。实验表明：通过差分法提取聚合物混合物和单一聚合物的特征信号,可以明显提高特征值的精确度,获得较好的效果。本文为聚合物混合状态在线检测特征信号的提取提供方法参考。     

线缆高性能单螺杆挤出机设计概述

高性能单螺杆挤出机是线缆生产工艺中最为常见和主要的设备.通过对高性能单螺杆挤出机各项配置(螺杆机筒、加热冷却系统、辅助配置、安装形式)的设计要点逐一分解说明,使挤出工艺人员能正确和合理的配置挤出机功能部件,充分理解挤出机各组成部分的工艺设计原理、能力和限制,进而实现对挤出工序的严格控制,提高产品塑化质量、混合质量.     

卷首语

目前,中国塑料机械工业行业总产量居世界第一。挤出成型是塑料成型加工工艺中的主要加工方法之一,大部分热塑性塑料均可用此方法。目前,挤出成型已经广泛应用于日用品、农业、建筑业、石油、化工、机械制造、电子等部门。在挤出成型设备中最关键的部分就是挤出机。塑料通过挤出机塑化成均匀的熔体,并在塑化中建立的压力作用下,并通过螺杆连续定温、定量、定     

螺杆参数的选择与生产能力和产品质量的关系

螺杆在挤出机中,具有使塑料混合、加压、塑化·挤出的作用。通常被称为挤出机的“心脏”。螺杆设计中,正确选择参数,对产品质量和产量有重大影响。本文试图说明螺杆参数与产品质量和产量间的关系。 (一)螺杆设计的基本要求: 一般除要求螺杆具有足够的强度、硬度、刚度等一般机械要求     

异步电机的模糊PID矢量控制

为了提高异步电机转速性能,文章在原矢量控制系统的基础上,将传统的转速PID控制器转换为模糊自适应PID控制器,然后利用Matlab/Simulink搭建了一种基于三相异步电动机转速控制的模糊PID系统,并分别使用常规PID控制器与模糊PID控制器进行控制。仿真结果表明,采用模糊控制能使系统取得较好的控制性能并具有较强的鲁棒性。     

一种利用神经网络提取运动模糊区域的新方法

针对传统提取区域方法受背景区域影响的现象,本文提出了一种基于频谱的人工神经网络提取模糊区域的新方法.对于局部运动模糊图像,其完全模糊区域和局部模糊区域的频谱差异较大,以此作为依据,利用径向基(RBF)神经网络其进行训练,逐步检测并提取出局部运动模糊图像的模糊区域.实验证明,该方法能较好地实现局部运动模糊图像模糊区域的提取.     

一种变步长的微动目标参数高精度提取方法

针对窄带雷达旋翼微动特征参数提取问题,研究了一种变步长的微动目标参数高精度提取方法。首先提取出脉压后旋翼目标所在距离单元内的回波,通过时频分析和骨架提取,对旋翼最大瞬时微多普勒频率进行估计;然后利用最大瞬时微多普勒频率等先验信息,对转速搜索矩阵进行降维处理,将微动目标尺寸参数和转速参数的二维联合估计转化为独立估计,并采用变步长搜索过程实现参数的精确估计;最后,通过能量积累的方法估计出旋翼转速,再进一步提取出目标的尺寸信息。仿真结果验证了所提方法的可行性和有效性。     

品质 创新——驱动麦拉菲尔公司竞争力的两个引擎

麦拉菲尔公司的历史可追溯到20世纪初。在早年，公司制造出了电缆绞线设备和成缆设备从而投身电缆机械工业。1941年，随着塑料开始应用于电缆，麦拉菲尔公司研制并生产了第一台直径为80mm、长径比为6的塑料挤出机。1961年麦拉菲尔先生发明了著名的BM螺杆并取得专利，使麦拉菲尔公司在塑料挤出行业确立了威望。     

基于模糊神经网络的红外图像边缘提取算法

针对现有图像边缘提取算法存在的噪声平滑能力与边缘精确定位之间的矛盾,以及红外图像自身信噪比低、视觉效果模糊和对比度差等缺陷,利用模糊神经网络的学习、自适应和模糊处理等优点,提出了一种基于模糊神经网络的红外图像边缘提取方法。计算各像素点8个方向的基本梯度、左关联梯度和右关联梯度,并将其组成梯度数组,把8个方向的梯度数组作为模糊神经网络的输入信号,通过学习和模糊处理最终可获得相对精确的红外图像边缘。实验结果表明,该方法抗噪能力强,边缘保留完整且为单像素宽,在处理红外图像边缘提取上要优于其他算法。     

基于头脑风暴优化算法的BP神经网络模糊图像复原

该文提出一种基于头脑风暴智能优化算法的BP神经网络模糊图像复原方法(OBSO-BP)。该方法在聚类和变异两方面优化了头脑风暴智能算法,利用头脑风暴优化算法易于解决多峰高维函数问题的特点,自动搜寻BP神经网络更佳的初始权值和阈值,以减少BP网络对其初始权值和阈值的敏感性,避免网络陷入局部最优解,增加网络的收敛速度,减小网络误差,提高图像还原质量。该文采用20张不同的图像,对其模糊图像分别进行维纳滤波复原(Wiener)、基于头脑风暴算法的维纳滤波复原(Wiener-BSO)、BP神经网络复原以及基于头脑风暴算法的BP神经网络(BSO-BP)图像复原实验。实验结果表明,该方法能够取得更好的图像复原效果。     

一种基于神经网络和多小波的水印新算法

文章提出一种基于平衡多小波和模糊CMAC神经网络的数字水印新算法,充分利用了平衡正交多小波的正交性和对称性,不需要进行预滤波处理;而结合SISO模糊CMAC对存贮器和训练数据需求量少等优点,有效地减小了运算量。实验结果表明,该水印算法具有较强的鲁棒性和透明性。     

基于模糊——神经网络混合系统的图象分割方法

本文提出了一种基于模糊-神经网络混合系统(FNNHS)的图象分割方法。它可以利用人的经验知识和神经网络从样本数据中学习知识的能力,得到性能良好的模糊规则,并且可以通过神经网络结构实现模糊推理。分割过程由基于区域生长的预分割和基于FNNHS的区域合并两步构成。实验表明,该方法用于复杂图象分割具有很好的效果。     

基于目标检测网络的轮对踏面缺陷检测方法

针对传统图像处理算法难以快速、准确识别轮对踏面缺陷的问题,提出一种采用双深度神经网络对轮对踏面缺陷进行检测的算法。该双网络分为踏面提取网络与缺陷识别网络。根据踏面为大目标的特点,分析与测试SSD网络,并用该网络提取轮对图像中的踏面区域。为提高踏面缺陷识别效率,在提取出踏面图像后,针对踏面缺陷属于中、小目标的特点,对YOLOv3网络结构进行优化得到M-YOLOv3。实验测试表明:提取踏面区域时,SSD算法的精度均值(AP)最高,达99.8%;识别踏面缺陷时,M-YOLOv3的AP达89.9%,相较于原始YOLOv3,单张图像计算耗时减少7.1%,同时AP仅有0.6%的损耗。结果表明,所提算法具有较高的检测准确率。     

A new approach for multilevel image segmentation based on fuzzy cellular neural network

A new approach for multilevel image segmentation based on fuzzy cellular neural network(CNN) is proposed. Based on a novel fuzzy CNN, a new template is proposed for multilevel image segmentation. The result of computer simulation proves this approach is reasonable. The stability of the fuzzy neural network is also analyzed in this paper.     

基于模糊神经网络的石英加速度计的温度控制

提出了基于模糊神经网络的石英加速度计的温度控制系统.该系统包括模糊神经网络的温度控制软件设计和基于数字信号处理器和可编程逻辑器件(DSP+ FPGA)硬件开发平台的电路设计.模糊神经网络的反向学习过程采用离线学习方法在matlab7.0中进行;根据所设置的样本点对网络参数进行训练,然后把参数训练好的模糊控制程序写入温度控制单元DSP6713中,实现系统的温度控制.实验结果表明,该系统具有响应速度快,稳定性好,控制精度高等优点,其温度控制精度达到0.2℃,满足系统的实际应用要求.     

AN IMAGE SEGMENTATION APPROACH BASED ON FUZZY-NEURAL-NETWORK HYBRID SYSTEM

This paper presents a new solution to the image segmentation problem, which is based on fuzzy-neural-network hybrid system (FNNHS). This approach can use the experiential knowledge and the ability of neural networks which learn knowledge from the examples, to obtain the well performed fuzzy rules. Furthermore this fuzzy inference system is completed by neural network structure which can work in parallel. The segmentation process consists of pre-segmentation based on region growing algorithm and region merging based on FNNHS. The experimental results on the complicated image manifest the utility of this method.     

Fuzzy neural network-based real-time self-reaction of mobile robot in unknown environments

In this paper, a hybrid intelligent method including fuzzy inference and neural network is presented for real-time self-reaction of a mobile robot in unknown environments. A neural network with fuzzy inference (fuzzy neural network, FNN) presented can effectively improve the learning speed of the neural network. The method can be used to control a mobile robot based on the present motion situations of the robot in real-time; these situations include the distances in different directions between the obstacles and the robot provided by ultrasonic sensors, the target orientation sensed by a simple optical range-finder and the movement direction of the robot. Simulation results showed that the above method can quickly map the fuzzy relationship between the inputs and the output of the control system of the mobile robot.