共查询到19条相似文献,搜索用时 593 毫秒
1.
2.
实际工业生产过程中常含有非线性、滞后环节,特别是在化工、冶炼等生产过程中尤为显著.连续搅拌釜式反应(CSTR)在反应过程中会产生大量的反应热,及时地移去反应热保证生产正常进行是控制的主要目标.采用了基于神经网络的预测控制来解决非线性、滞后等环节的影响.讨论了广义预测控制的基本结构与原理,研究了广义预测控制算法的预测模型、反馈校正、滚动优化.选取径向基(RBF)网络建立了系统的多步预测模型,并对连续搅拌釜式反应过程进行了仿真.仿真结果表明,基于RBF神经网络的广义预测控制器具有良好的自适应性、鲁棒性和抗干扰能力. 相似文献
3.
针对目前铝电解的加料控制,提出了一种基于设定值优化的控制策略及智能加料控制方法。根据铝电解过程特性,采用了广义回归神经网络(GRNN)来辨识氧化铝浓度模型,并利用遗传算法优化寻找最佳光滑因子σ,当所辨识的实际氧化铝浓度模型的输出量误差最小化时,获得最佳的平滑因子。设计了模糊小脑模型神经网络(FCMAC)控制器,将氧化铝的浓度控制在理想区域内,提高了铝电解过程的控制性能。 相似文献
4.
5.
铣削过程的复杂性和铣削力产生的多因素性使得铣削力预测模型很难建立.论文在遗传算法与BP网络模型相结合的基础上,利用遗传算法训练神经网络权重的方法,建立了铣削力预测的遗传神经网络模型.最后将神经网络预测结果与实验数据进行比较和误差分析,证明了该神经网络能够准确地预测铣削力的大小. 相似文献
6.
7.
以密闭鼓风炉熔炼过程为研究对象,采用自适应组合集成技术将神经网络NN和灰色理论有机结合的方法建立了密闭鼓风炉透气性预测模型。仿真和工业应用结果表明:所提出的模型能很好地实现密闭鼓风炉透气性的预测,并能使铅锌产量得到显著的提高。 相似文献
8.
《组合机床与自动化加工技术》2019,(9)
针对数控机床可靠性故障间隔预测模型过程中数据采样难度大、成本高、数据量小、常规数据拟合和预测方法误差较大、数据难以处理等问题,提出一种基于传统灰色预测模型,将灰色残差优化模型和BP神经网络模型相结合的预测方法。在预测过程中该模型首先根据灰色理论建立主轴可靠性故障模型,再用BP神经网络训练并优化灰色理论的残差,最后用文献的主轴故障数据验证预测精度。通过不同的算法对数控机床主轴故障的试验数据验证,证明了灰色神经网络模型在主轴可靠性故障间隔工作时间的预测上优于单一算法及GM(1,1,P)模型,验证了灰色神经网络模型的可行性及有效性。 相似文献
9.
以WSTi3515S阻燃钛合金超塑性拉伸试验所得试验数据为基础,基于BP (Back Propagation)人工神经网络方法,建立了该合金超塑性变形过程中流变应力的神经网络预测模型。模型的输入参数为变形温度、应变和应变速率;输出参数为流变应力;结构为3×10×12×1双隐含层的4层网络模型。结果表明,BP神经网络模型能够很好地描述WSTi3515S合金超塑性变形时各热力学参数之间高度非线性的复杂关系,可精确地预测超塑性拉伸过程中的流变应力,平均相对误差为1.08%。 相似文献
10.
为了提高数控机床热误差模型的预测精度,以某型号立式加工中心为实验对象,采用模糊聚类与灰色综合关联度相结合的方法对机床测温点进行优化,将测温点从8个减少到3个。利用遗传算法(GA)优化的Elman神经网络建立了主轴热漂移误差预测模型,通过实例比较了GA-Elman神经网络模型与普通Elman神经网络模型的预测效果。结果表明,与普通Elman神经网络所建的预测模型相比,GA-Elman神经网络模型对主轴轴向热漂移误差的预测精度较高,残差较小,网络的泛化能力较好。 相似文献
11.
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。 相似文献
12.
13.
14.
熔透是焊接质量的重要评价指标之一,铝合金对焊接工艺敏感性较高,容易出现熔透不均匀情况.试验利用近红外视觉传感方法获取了铝合金单面焊双面成形焊接过程中未熔透、熔透和过熔透三种情况下的清晰熔池图像,通过图像处理获得了准确的熔池轮廓,定义并提取了熔宽、半长、面积、周长和抛物线系数等能反映熔透状态的熔池特征参数,建立了基于BP神经网络的铝合金双丝焊熔透识别模型.结果表明,5-13-3结构的BP神经网络对熔透状态识别的正确率最高,达到89.05%. 相似文献
15.
16.
17.
18.
针对铝合金脉冲MIG焊存在多参数强烈耦合并严重影响过程控制稳定性的问题,建立了其多输入多输出(MIMO)控制模型.在此基础上,运用多变量控制理论,设计了神经网络PID多变量强耦合时变控制系统.介绍了该控制器的结构和算法,分析了控制对象的特点,对铝合金脉冲MIG焊过程进行了仿真.结果表明,采用神经网络PID控制的神经网络对象逆模型解耦控制系统结构和解耦算法来控制铝合金MIG焊接过程,取得满意的动态和稳态性能.为实现铝合金脉冲MIG焊过程控制奠定了理论基础. 相似文献