基于CLIPS规则和模糊推理的注塑制品缺陷诊断的研究

根据注塑知识的不确定性和诊断、优化的过程特点,对知识的具体表示和系统知识库的建立进行了深入的研究,采用符合CLIPS(C Language Integrated Production System)语言规范的产生式规则知识表示方式,建立了注塑制品缺陷分析专家系统的知识库。并考虑到注塑制品缺陷知识具有模糊性和不确定性的特点,实现了用模糊知识表示方法和模糊推理技术完成注塑制品缺陷的诊断。     

塑料注射缺陷修正的开放式模糊建模方法

介绍了开放式模糊推理模型的框架以及输入输出参数设定、模糊IF-THEN规则形式、模糊推理机制等实现细节,并开发出了相应的软件系统,实现了塑料注射缺陷的智能化在线修正和工艺参数优化,可用于帮助解决注塑生产中的工艺设置和优化问题,提高工艺参数的设置和优化效率.     

基于信噪比及灰关联度的注塑工艺参数优化

针对车用开关面板在注塑加工过程中出现翘曲及收缩变形等缺陷,在正交试验的基础上,采用信噪比分析法,获得注塑加工过程中各工艺参数对优化目标的影响度。为提高工艺稳定性,采用灰关联度分析法,将多目标优化问题转换为单目标灰色关联度优化问题,由此得到最佳工艺参数组合。试验结果表明,该方法能够有效降低注塑加工过程中的缺陷,提高制品成型的质量。     

注塑成型质量缺陷分析

列举了注塑成型过程中典型的几种缺陷,从影响注塑成型制品质量的三大因素(注塑成型工艺及设备、注塑模具、塑料材料)着手,分析常见的注塑成型制品的质量缺陷产生的原因和克服缺陷的具体措施。     

塑料注塑制品典型质量缺陷的成因分析

通过列举注塑成型过程中最为典型的3种质量缺陷,结合生产实际,从影响注塑成型制品质量的因素（注塑成型工艺控制及设备、注塑模具和制品结构、塑料材料）着手,分析归纳注塑成型制品典型质量缺陷产生的原因和克服缺陷的具体改良措施。     

注塑常见缺陷及解决方法

注塑成型是最重要的塑料成型方法之一,它的优点是可以一次成型结构复杂的制品,应用很广泛。但在注塑过程中常会出现各种缺陷,如:短射、缩痕、飞边、熔接痕、翘曲和气穴等,从而影响制品的质量。分析了注塑过程中常见的缺陷,并从改善材料性能、改进产品结构、优化模具设计和注塑工艺等方面提出了相应的解决方法。     

基于模糊推理规则的注射制品缺陷修正系统设计与实现

设计并开发了基于模糊推理规则的注射制品缺陷修正系统,简述了该系统的设计原理与流程,建立了模糊推理过程中需要的知识库和模糊规则库,介绍了模糊推理算法的设计与系统的实现,包括数据库的建立及基于面向对象的程序设计。通过将冲突消解置于模糊推理之前,减小了模糊推理过程的复杂程度。在推理过程中加入修正系数以减小缺陷修正的振荡幅度。试验证明,该系统易于操作、快捷、有效。     

注塑成型工艺中的翘曲变形

在注塑成型过程中不可避免地会产生短射、熔接痕、气穴、飞边、缩痕和翘曲变形等诸多缺陷,而翘曲变形是塑料制件最严重的成型缺陷之一。分析了塑料材料、模具结构和成型工艺条件对注塑制品翘曲变形的影响,指出通过对冷却系统、工艺参数的优化并结合计算机模拟技术,可以改善注塑件的翘曲变形。     

基于人工智能的焊接工艺评定专家系统

基于人工智能技术，开发了焊接工艺评定专家系统：系统中采用框架的知识表示模式，建立了完善的知识库，并根据专家经验及国家标准建立了规则库；推理过程是基于框架匹配的推理，并结合正向推理、混合推理和模糊推理技术，形成了多推理机、多知识源的复杂推理系统；可视化的界面方便了用户对知识库的各项操作，能够根据基本焊接工艺参数系统优选出焊接工艺评定报告，并能对未经评定的母材给出专家建议。     

基于Fluent的塑料注塑模拟分析

塑料注塑成型是一个复杂的物理过程,为了验证工艺参数的合理性和预测制品的质量,建立了塑料注塑成型流动和冷却的数学模型,运用计算流体力学原理,采用了Fluent软件进行塑料注塑模拟,进行流动分析和热分析。整个型坯的注塑速度和熔体温度分布均匀,制品质量较好,使用的注塑工艺参数合理,适用于实际的工程应用。     

模糊神经网络在塑件注射成型多缺陷智能诊断中的应用研究

针对塑件注射成型多缺陷成因求解的模糊性与不确定性,考虑到神经网络在获取多维特征向量与对应输出向量之间非线性映射关系方面的优势,以及模糊技术在处理不精确信息方面的强大能力,提出将模糊理论和神经网络相结合,对塑件多缺陷成因进行判断、推理,并详细阐述了模糊神经网络用于塑件多缺陷诊断的整个过程。基于上述理论及Visual Prolog开发平台,开发了塑件注射成型多缺陷诊断智能系统,并进行了实例验证。结果表明,此系统具备较好的塑件多缺陷诊断能力以及一定的推广应用前景。     

A Connectionist Production System with Partial Match and its Use for Approximate Reasoning

The paper discusses a connectionist implementation of knowledge engineering concepts and concepts related to production systems in particular. Production systems are one of the most used artificial intelligence techniques as well as a widely explored model of cognition. The use of neural networks for building connectionist production systems opens the door for developing production systems with partial match and approximate reasoning. An architecture of a neural production system (NPS) and its third realization—NPS3, designed to facilitate approximate reasoning—are presented in the paper. NPS3 facilitates partial match between facts and rules, variable binding, different conflict resolution strategies and chain inference. Facts are represented in a working memory by so-called certainty degrees. Different inference control parameters are attached to every production rule. Some of them are known neuronal parameters, receiving an engineering meaning here. Others, which have their context in knowledge engineering, have been implemented in a connectionist way. The partial match implemented in NPS3 is demonstrated on the same test production system as used by other authors. The ability of NPS3 for approximate reasoning is illustrated by reasoning over a set of simple diagnostic productions and a set of decision support fuzzy rules.     

基于混合推理的切削参数优选系统开发

针对现有航空发动机结构件切削加工参数数据库数据分散、针对性和准确性不强等问题,通过分析航空发动机结构件的加工工艺,提炼出影响切削加工参数选择的主要因素;据此,建立适用于航空发动机结构件加工的切削参数数据库系统,提出一种基于规则混合推理的加工参数智能优选方法;进而利用NX二次开发技术,开发出基于混合推理的切削参数优选系统,实现了切削参数的自动加载,从而有效减轻工艺人员设计负担,提高零件编程效率。最后,在航空发动机典型结构件上验证了所开发系统的有效性。     

基于深度自编码网络与模糊推理相结合的矿用齿轮箱故障诊断方法

提出一种基于深度自编码网络与模糊推理相结合的矿用齿轮箱故障诊断方法。通过对完整齿轮、裂齿齿轮和缺齿齿轮3种齿轮工作状态的声信号进行小波分析并建立特征数据库,构建深度自编码网络与模糊推理系统相结合的诊断系统,实现了齿轮故障诊断与辨识。实验结果表明:这种基于声信号的故障诊断方法能够有效检测矿用齿轮箱的运行状况;与传统神经网络诊断方法以及奇异值分解诊断方法相比,该诊断方法对故障状态的辨识准确度分别提高了3.8%和8%。与传统基于振动信号的故障诊断方法相比,基于声信号的诊断方法对故障状态的辨识准确度无明显差别。表明深度自编码网络模糊推理系统同样适用于基于振动信号的矿用齿轮箱的故障特征提取与分析。     

基于模糊聚类和案例推理的滚抛磨块优选模型

目的 实现滚磨光整加工工艺制定过程中滚抛磨块快速、准确地优选。方法 在分析滚磨光整加工工艺特点的基础上,根据滚抛磨块优选的E-R图构建案例库,建立基于案例推理的滚抛磨块优选模型。针对不同案例特征属性的数据类型,选择合适的特征属性相似度计算方法;通过层次分析法确定案例特征属性的权重,采用加权最近邻居法计算案例间的综合相似度,并通过案例处理获得新问题的优选磨块。采用模糊C均值聚类算法对案例库中的冗余案例进行处理,实现案例库的动态优化。最后,采用实际的不同零件类型的不同数据进行仿真。结果 大量仿真结果表明,采用模糊C均值聚类算法,处理案例库中的冗余案例,可以有效提高案例推理的检索效率和精度;针对实际的新问题,基于模型并通过案例检索、修正,可以从案例库中快速提取出新问题的相似案例,验证了模型的可行性和有效性,重要的是能够为新问题的磨块优选提供决策指导。结论 基于模糊聚类的案例推理技术可以用于滚磨光整加工工艺实施时的滚抛磨块优选。     

基于CBR-FAT的液压机故障诊断专家系统构建

针对压机液压系统的故障诊断困难问题,通过分析压机液压系统的工作原理和常见故障,提出了一种基于CBRFAT的压机液压系统故障诊断专家系统。简述了专家系统的基本知识和CLIPS的推理过程;论述了基于CLIPS的液压故障案例的知识表示、故障树的知识表示、规则推理的方法;最后探讨了故障推理机制在专家系统故障诊断中的实现。试验表明,该系统能够较好地实现压机液压系统故障的诊断。     

基于模糊控制的Y形管内高压成形加载路径优化

以薄壁Y形管为例,进行Y形管有限元建模。运用Dynaform有限元仿真软件进行内高压成形数值仿真,探讨Y形管成形规律、主要缺陷形式及缺陷产生位置;分析几何形貌参数、摩擦因数和加载路径等工艺参数对成形质量的影响。选取起皱间隙和贴模长度作为逻辑控制输入,评价成形状态;为优化Y形管内高压成形加载路径,将成形过程分为4个阶段进行模糊控制系统设计。结果表明：加载路径优化后,充模效果获得较大提升。将内高压成形工艺和模糊控制系统应用于某汽车排气系统Y形歧管,进行结构改进与成形工艺优化,获得了满足质量的合格零件。     

注塑件缺陷智能诊断中的混合推理技术

总结了注塑件常见的缺陷征兆－－原因表，描述了BP神经网络的建模过程，指出了正向推理技术存在的不足，提出了应用人工神经网络技术对注塑件缺陷进行混合诊断的方法，最后应用C语言，编制了智能诊断的实现软件。     

基于概念分层和规则推理的铝电解决策支持系统

介绍一种基于概念分层和规则推理的新型决策支持系统在铝电解生产过程控制中的应用.利用在线联机处理和数据挖掘技术实现多维数据分析获取领域新知识,采用基于概念分层和规则推理的方法,实现铝电解生产过程控制的决策过程.