均值渐进式漂移下的过程控制方法研究

实践证明，使用传统休哈特控制图控制自相关过程会造成大量虚发报警，使得控制图的灵敏度大大降低。神经网络方法以其独特的模式识别技术，在对自相关过程进行识别的尝试中，显示出了极大的优越性。文章针对自相关过程中渐进式均值漂移的模型，以神经网络方法进行检测，取得了良好效果。     

统计过程控制(SPC)在硬质合金生产中的应用

在硬质合金生产中,工艺过程的波动对产品质量产生重要的影响,传统的做法通常是在不合格后做出调整。统计过程控制(SPC)作为注重过程的表达手法,能够对异常情况进行警示,提前做出调整,防止不合格的发生,对产品质量控制和持续改进有积极的作用。     

大批量产品加工质量过程控制技术的研究

文章针对大批量产品加工的特点和现在质量控制中所存在的问题,详细阐述了大批量产品加工质量过程控制中涉及的多项技术和解决方法.重点介绍了质量保证工艺在质量过程控制中发挥的重要性.     

基于STA/SPC/EPC的集成方法质量控制技术研究

工程实践证明,工程过程控制不能预测过程的失效,且不能保证最佳的过程制造质量。采用统计公差分析(STA)、工程过程控制(EPC)和统计过程控制(SPC)集成控制技术才能更好地保证产品的质量。简单介绍STA、EPC和SPC在制造过程质量控制中的特点,提出了一种STA、EPC与SPC集成的过程控制体系结构,对系统的信息接口技术、智能集成技术及协调控制技术进行了研究,并通过一个制造过程的具体实例对其集成技术及质量控制保证技术进行了分析。结果表明:该技术的应用不仅保证了个体参数值的要求,也保证了同一参数群体的分布规律,可明显提高制造过程的质量。     

基于SPC的注射成型过程质量控制

结合具体实例介绍了基于SPC的注射成型质量控制的流程和基本方法,并且对影响注射成型过程质量的因素进行识别及分析.     

基于遗传算法的间接自校正模糊神经网络控制

针对一般神经网络训练算法训练速度慢和易陷入局部极小点的不足,文章提出了一种基于模糊神经网络的间接自校正控制系统,控制器是以高斯函数为隶属度函数的径向基函数(RBF)神经网络结构,利用改进的遗传算法(GA)对结构和参数进行同步优化.神经网络模型(NNP)利用弹性BP算法进行离线辨识.仿真与传统的模糊PID控制器控制进行比较,结果表明遗传算法大大改善了系统的性能.     

注射成型的过程质量分析系统及过程质量控制

对影响注射成型过程质量的因素进行识别及分析,指出注射成型过程质量分析作为一个系统整体,从而依据系统辩证学的有关理论,阐述了其整体性、功能性和目标性、可控性、适应性等特征。结合具体实例介绍了基于SPC的注射成型过程质量控制的流程和基本方法。     

基于模糊神经网络的故障诊断方法研究

文章构造了一种模糊神经网络模型,并详细阐述了模糊神经网络(FNN)的结构、算法.经过MATLAB仿真运行证明其可行性,另外在相同的条件下,FNN网络在故障诊断的准确率及训练速度方面均优于传统的BP网络.     

基于多层神经网络的机电伺服系统积分鲁棒控制

针对含有模型不确定性的机电伺服系统,设计一种基于多层神经网络干扰补偿的控制策略。通过多层神经网络对与状态有关的干扰进行在线估计,以提高基于模型前馈控制输入的补偿精度,然后结合误差符号积分鲁棒(RISE)反馈控制方法,通过RISE的鲁棒增益处理神经网络逼近误差与未估计干扰,从而抑制干扰对伺服性能的不利影响。基于Lyapunov稳定性理论,证明了所提出控制器的闭环系统半全局渐近稳定,且系统所有信号有界。仿真结果表明：所提出的控制策略具有很好的干扰抑制能力,可显著提高机电伺服系统的跟踪精度     

基于循环神经网络的腐蚀速率预测

采用循环神经网络(RNN)对腐蚀探针的监测数据(90%)进行训练,建立了管道腐蚀速率预测模型,并利用剩余的10%监测数据对模型的有效性进行了验证。结果表明：基于RNN建立的腐蚀速率预测模型能准确地预测出管道的腐蚀速率,预测值与监测数据的均方误差为0.008%,该方法可以为管道的腐蚀监测提供预警信息。     

恒切削力加工过程的神经网络预测控制

切削过程恒力控制对于提高生产率、保证加工精度具有重要作用。文章以车削加工过程为对象,研究恒切削力加工过程中当切削深度发生突变时,如何减少系统输出切削力超调的问题。将预测控制策略与神经网络理论相结合,在神经网络学习时,使切削进给在切削深度发生突变前提前发生相应变化,提出了恒力切削过程的神经网络预测控制算法。仿真结果表明,与传统自适应神经网络控制相比,加工过程的神经网络预测控制能够有效的解决在背吃刀量发生突变时,加工系统输出的切削力过大的问题,显示出比加工过程传统神经网络自适应控制更好的综合性能。     

模糊神经网络技术及其在一类复杂工业过程控制中的应用研究

针对毛纺工艺侧吹风的温、湿度控制系统的非线性特点设计了一种模糊神经网络控制器,并将其应用到毛纺车间中,实现了对生产车间的温度的精确控制.最后,用MATLAB和C语言做了仿真,结果令人满意.     

基于人工神经网络技术的注塑成型工艺参数优化

研究了人工神经网络技术在注塑成型工艺参数优化中的应用,通过建立基于神经网络的压力、温度模型以及优化工艺参数的目标函数,实现了基于人工神经网络技术的注射成型工艺参数优化;并将其应用于华中科技大学模具国家重点实验室开发的注塑成型CAE系统HsCAE 3DRF中,取得了良好的效果。     

基于卷积神经网络的网络节点异常数据检测方法

异常数据检测是保障无线传感器网络节点数据准确性和可靠性的重要步骤。针对无线传感器网络节点异常数据检测问题,提出一种基于卷积神经网络的异常数据检测方法。该方法是对正常数据和注入故障后生成的异常数据进行归一化处理后映射成的灰度图片作为卷积神经网络的输入数据,并且基于LeNet-5卷积神经网络设计了合适的卷积层特征面及全连接层的参数,构造了3种新的卷积神经网络模型。该模型通过卷积层自主学习数据特征,解决了传统检测算法的性能容易受到相关阈值影响的问题。通过网络公开数据集进行模型测试,结果表明该方法具有很好的检测性能和较高的可靠性     

基于人工神经网络的滚挤压加工表面质量的预测研究

针对滚挤压工艺参数难于选取、已加工表面质量难以控制的问题，采用增加动量项和学习率自适应调整的BP神经网络建立了滚挤压加工表面质量的预测模型，并以表面粗糙度的预测作为实例进行研究，试验结果表明该模型可用于滚挤压加工表面质量的预测。     

基于BP神经网络的钒基合金自蔓延高温合成工艺参数优化设计

以坩埚H/D值、V2O5还原率、V2O5收得率、TiO2还原率和TiO2收得率为输入参数,钒基合金V3TiNi0.56收得率为输出参数,训练过程采用trainlm函数,设计了具有较高精确度的BP神经网络优化模型,可推广应用到各种钒基合金的自蔓延高温合成工艺参数的优化.     

神经网络在覆盖件模具表面激光硬化虚拟过程中的应用

基于人工神经网络技术对覆盖件模具表面激光硬化虚拟过程的仿真建模,结合几何因素分析了模型的主要影响参数,对BP网络的结构和训练进行了说明。预测了激光表面硬化的加工效果(表面硬度、硬化层深、相对耐磨性和表面粗糙度),实现激光加工工艺参数的优化,为实际生产和加工提供了依据。并以C语言为开发语言,利于实现各平台间的集成。     

BP神经网络在流量比值控制系统中的应用

针对在PCT-2型过程控制装置进行流量比值控制时,PID参数难以整定的问题,提出了一种基于神经网络自适应的PID流量比值控制方法.该算法利用BP神经网络的非线性表示能力,通过系统的自学习来实现具有最佳组合的PID控制.这种方案达到了在线实时控制的目的.实验表明:在流量比值控制系统中,基于BP神经网络的PID控制算法比普通PID控制算法具有更好的动态性能和鲁棒性,能取得很好的控制效果.     

基于PID神经网络的倒立摆控制系统

倒立摆是一个典型的高阶次、自然不稳定、快速响应、非线性运动控制系统,是现代控制研究的对象.PID神经网络是一种内含比例神经元、积分神经元和微分神经元的神经网络.本文介绍了采用PID神经网络控制的倒立摆系统,包括倒立摆系统的基本构成、PID神经网络单变量控制系统的算法和结构、权重初值的选择.进行了实际系统试验,比较了传统PID控制和PID神经网络控制倒立摆的效果,证明了PID神经网络控制系统的优良性能.