板材变压边力拉深成形方盒件数值模拟

板料在拉深成形过程中的压边力是一个变化的量,其值大小是板材拉深成形中的重要工艺参数。由于实验条件的限制,采用数值模拟方法研究了方盒件在变压边力加载条件下的拉深成形,通过对工件壁厚分布和成形极限图的数值模拟。结果表明,变压边力拉深成形技术能够使恒定压边力条件下拉深失效的零件成功拉深,并可以充分利用板材。通过控制拉深过程压边力值的大小和分布,能有效地控制金属的流动,提高板材的成形性能。     

板料拉深成形液压机压边力智能控制系统的实现

针对板料拉深成形液压机压边力控制系统中,传统控制方式完全依赖于系统建立精确的数学模型,无法满足控制要求,提出了将常规PID控制和模糊控制相结合的方法,设计出两输入三输出的模糊PID控制系统.通过Matlab/Simulink仿真,结果表明模糊PID控制能减小系统的超调,提高快速性,在改善系统的稳态性、动态性和鲁棒性方面发挥了较好的作用.     

基于遗传算法优化神经网络的拼焊板压边力预测

通过数值模拟与神经网络技术对拼焊板盒形件拉深成形过程中的压边力预测问题进行研究.运用数值模拟分析压边力加载形式对拼焊板盒形件成形性能的影响,找到一种较优的变压边力加载方式.建立适用于拼焊板盒形件拉深成形压边力预测的BP神经网络模型.采用遗传算法对神经网络模型进行优化,在基因选择过程中加入精英保留策略,最终通过基于遗传算法优化的神经网络模型获取了理想的压边力曲线,用以预测随拉深行程变化的压边力数值,为实现智能化冲压奠定了技术基础.     

基于单神经元PID控制器的闭环控制系统

目的 解决传统PID控制器对时变系统控制能力不强的弊病。方法 利用神经网络理论与传统PID控制理论相结合。结果 设计了一种单神经元PID控制器，将其应用于被控制对象是快时变和慢时变的两类闭环控制系统。结论 实验证明这种单神经元PID控制器通过在线边学习边控制的方式，实现了实时控制。     

半球形件变液压力变压边力充液拉深研究

采用充液拉深工艺,运用变液压力变压边力组合的方法,以DYNAFORM软件为平台,对半球形件的成形过程进行了有限元仿真模拟.仿真结果表明,在恒定压边力充液拉深下,零件易发生起皱和破裂,零件减薄率较大,无法满足成形要求.采用变液压力和变压边力组合的加载方式进行研究.研究结果发现,采用变液压力变压边力组合进行充液拉深的零件不破裂、不起皱、减薄率小,零件厚度分布均匀,能够较大程度地改善零件的成形效果.最后通过试验验证了该工艺的可行性.     

基于模糊控制算法的多点压边力控制系统的设计与实现

介绍了目前压边力控制技术的最新发展,其次描述了一套八点可变压边力分区控制系统,可以实现随着拉深行程的变化实时改变压边力。重点介绍了控制系统的硬件结构与工作原理,控制系统软件的设计思路与实现方法,以及整个系统核心控制算法的设计思路与实现。     

神经网络控制算法在光伏并网逆变器控制中的应用

针对太阳能光伏发电并网逆变器的特点,分析了传统PID控制方法的局限性,详细介绍了基于BP神经网络整定的PID控制系统的设计方法,编写了光伏发电并网逆变器控制程序,并进行了计算机仿真实验.仿真结果证明,基于BP神经网络PID控制的光伏并网逆变系统具有抗干扰能力强、并网电流正弦波波形质量好等特点,完全能够实现与电网电压同频同相.     

压边力对汽车前轮罩板成形性能的影响

为了有效解决实际生产中优化汽车前轮罩板拉深成形工艺的问题,根据左右轮罩板件的结构及性能要求,设计拉深数模及其工艺,在恒定压边力条件下,对轮罩板件拉深成形过程进行数值模拟。通过数值模拟从典型变压边力加载模式中得到一条最优变压边力加载曲线,使拉深件不出现起皱和拉破现象,并且使零件区域厚度分布最均匀。与恒定压边力下的最优结果进行比较得出,U型变压边力加载模式为最佳方案。     

神经网络在汽轮机控制系统上的研究

该文针对目前的汽轮机控制系统采用传统PID控制的研究现状,分析电厂的实际运行过程中会存在非线性的问题,如死区特性、限幅特性、摩擦特性、滞环特性。引入神经网络算法解决汽轮机控制系统上的非线性问题,并给出BP神经网络PID控制结构图,结合神经网络以及传统PID控制各自的优点进行设计,通过各个控制算法的优点补偿各自的不足,进而能够达到整个系统处在一个有效的控制范围内,并仿真建模,通过传统控制与神经网络控制对比,阐述神经网络在汽轮机控制系统非线性问题上的有效改善。     

神经网络监督控制在船用一体化压水堆功率控制中的应用

设计了一种船用一体化压水堆功率控制的神经网络监督控制系统,在系统中神经网络作为前馈控制器,PID控制器作为反馈控制器.对压水堆功率控制过程进行了计算机仿真,仿真结果表明,与传统的PID控制相比,神经网络监督控制具有较强的自适应能力和鲁棒性,有效地提高了控制系统的精度.     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

基于PID神经网络自动换挡过程油门调速

提出了一种在AMT换挡过程中运用PID神经网络进行油门调速的方法.通过台架实验,建立了东风康明斯EQB235-20柴油发动机的油门实验模型,同时在Matlab平台上对PID神经网络进行训练,使其输出逼近理想油门实验模型.将训练后的PID神经网络移植入ECU,进行发动机调速实验.实验表明,PID神经网络有响应速度快、鲁棒性好、收敛特性好的特点,提高了车辆的自适应能力.     

基于PID闭环控制的变压边力优化设计

基于压边力成形窗口的定义和分析,提出了一种新的控制目标,并以此建立了可控压边力的比例、积分、微分(PID)反馈控制模型.采用此模型对冲压成形进行反馈数值模拟,从而得出每块分块压边板随冲压行程的最优压边力曲线,在变压边力压机上的实验验证表明:使用该压边力优化设计方法所得到的最优压边力可成功冲压出阶梯盒零件,避免在恒压边力下的起皱和破裂两种缺陷.该优化方法可以同时考虑冲压行程和压边板位置进行压边力优化,因而具有更好的鲁棒性.     

PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用

针对BP优化PID神经网络（BP-PDNN）易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中.利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率.采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制.仿真结果表明,MSCOA-PIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN.     

基于RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。     

基于DRNN的三电机变频调速系统参数PID控制研究

三电机变频调速系统是一个多输入多输出、非线性、耦合的系统。针对电流跟踪型感应电机系统,以解析式的方式建立其数学模型。采用基于对角递归DRNN神经网络的自整定PID控制器,结合自适应神经元解耦补偿器的解耦控制技术,设计三电机变频调速系统神经网络控制器。基于S7-300 PLC控制平台进行实际的试验,结果表明,该方法能够根据外界环境信息变化获得最佳PID调节参数,较好的实现了速度和张力的解耦控制,系统具有良好的动静态性能和抗干扰能力。提出的方法满足了许多工业控制场合的需要,具有良好应用前景。     

随五轴加工轨迹变抛光力的控制策略与方法

设计了以PWM信号高速开关控制为核心的气动抛光力加载控制系统,采用滑动平均滤波PID算法调节,通过Simulink仿真和实验调整PID参数,提高系统动态性能,保证变抛光力的控制要求.借助五轴混联机器人动平台,搭建五轴变抛光力试验系统,进行跟随轨迹的变抛光力加载实验.实验结果表明,设计的滑动平均滤波PID控制能够在力控制要求改变时快速响应,使抛光力跟踪至设定值,力实测值误差在±1N以内,波动范围小,具有足够的稳定性和准确性,满足变抛光力的控制要求,实现了跟随五轴加工轨迹的变抛光力控制.     

RBF网络自整定PID控制在网络化控制系统中的应用

文章针对网络化控制系统普遍存在的时延问题,介绍了一种基于径向基函数神经网络自整定PID的控制策略.在Matlab/Simulink环境下搭建了基于TrueTime工具箱的网络控制系统的仿真平台.仿真结果表明:与常规PID控制相比,神经网络自整定PID控制算法可有效地提高系统的鲁棒性和自适应性,且此方法易于实现,便于工程...     

模糊神经网络在压边力智能控制中的应用

应用模糊神经网络专家系统实现了冲压成形过程中压边力的智能化控制，对系统模糊神经网络的构造和模糊神经推理机制进行了详尽的说明，介绍了压边力模糊神经网络和优化控制的设备及实现，并利用其对带凸缘的圆筒件拉深控制规律进行了研究。