柔性制造系统优化控制的研究

本文详细地分析和研究了传统的优化理论,人工智能和神经网络在ＦＭＳ优化控制中应用和适应性及各自的特点。指出充分发挥不同智能方法的优势,实现多智能模块的有效集成,是解决ＦＭＳ的整体优化控制问题的有效途径。     

基于神经网络的加工过程模型辨识

介绍了神经网络动态建模方法,以车削加工过程为例,用一个带单隐层的反向传播网络对非线性的加工过程进行了辨识研究,并将神经网络模型的跟踪响应与参数模型的跟踪响应作了对比分析。仿真结果表明,神经网络是建立非线性加工过程模型的一种有效方法。     

敏捷制造环境下制造单元的控制研究

敏捷制造环境下的制造单元是由分布的制造资源组成。本文通过敏捷制造单元组织结构和特性研究,设计了基于智能代理技术的网络资源搜索和面向对象信息集成的敏捷制造单元组建流程,提出了一种新的单元控制结构模型。     

一种基于模糊神经网络的开放性智能控制体系结构

介绍一种由组织级、智能协调级和模糊神经控制级组成的加工过程递阶智能控制体系结构,该结构集多传感器信息融合、多种智能技术和人机协作于一体     

FMS递阶智能控制系统研究

本文提出建立以组织级、过程控制级和执行组组成的ＦＭＳ递阶智能控制系统来保证ＦＭＳ运行的优化。建立了一个基于知识的调度专家系统和用于动态调度的人工智能启发式算法和ＢＰ神经网络为主要结构的ＦＭＳ智能控制系统。控制系统采用状态实现多智能模块之间的协调和驱动。。     

铣削加工过程的智能多目标优化方法

采用神经网络和专家系统的方法,实现带宽容分层约束的铣削加工过程多目标优化,利用Ｂｏｌｔｚ－ｍａｎｎ机神经网络求妥各层次的多目标优化问题,利用专家系统控制进程。通过实例证明了系统优化求解的有效性。     

制造过程的智能多目标优化方法

采用神经网络和专家系统相结合的方法实现带宽容分层约束的制造过程的多目标优化。该方法利用Ｂｏｌｔｚｍａｎｎ机神经网络求解各层次的多目标优化问题,同时利用专家系统控制优化进程。通过实例证明了该方法优化求解的有效性。     

切削加工参数多目标优化的神经网络方法

采用神经网络方法求解切削加工多目标优化问题,给出了Boltzmann机神经网络模型和算法,通过实例运行证明了神经网络优化求解的可行性。     

加工过程的复合自适应模糊控制

设计了一种自适应模糊控制器,采用了模糊规则在线自调整和输出比例因子在线自适应估计相结合的策略,应用于铣削加工过程的仿真结果表明,该控制器可适用于非最小相位系统,为加强过程的约束型控制提供一条有效途径。     

基于代理技术的虚拟制造系统资源集成决策

资源集成是虚拟制造系统的一个关键环节。本文针对制造业所面临的巨大挑战,充分考虑Ｉｎｔｅｒｎｅｔ资源的丰富性,对虚拟制造系统实现过程中的资源集成问题,提出了一种基于智能代理技术的资源集成方法,并结合模糊理论,论述资源集成决策支持系统的实现技术。