铣削加工过程的自适应最优控制

提出了两种结构不同的神经网络实现对铣削加工参数的自适应最优控制，ＢＰ神经网络实现对加工状态的在线建模，优化神经网络根据当前状况和一定的加工约束条件得出最优切削加工参数输入以实现对铣削过程的最优控制．最后给出了仿真和实验结果．     

铣削加工颤振稳定性可靠度的计算方法

铣削过程中的系统参数往往具有随机性,严重影响了铣削加工的稳定性.利用BP神经网络综合分析了随机因素对铣削加工过程的影响,提出了一种铣削加工再生型颤振稳定性可靠度计算方法.建立铣削加工再生型颤振动力学模型,使用全离散法获取铣削稳定性叶瓣图.利用神经网络拟合极限轴向切深的函数表达式,再分别使用蒙特卡罗法和一次二阶矩法进行可靠度计算.结果表明,基于BP神经网络的方法兼具高效和精确的优点.     

油田开发最优控制之神经网络实现

如何把握油田注水开发的动态过程从而实现最优控制开采及预测开发指标,长期以来是一个重要的研究课题。描述了神经网络功能模拟开油藏及其辨识开发系统参数的一般性原理,达到用神经网络功能实现各开发指标之间的复杂函数关系(这种关系很难用准确的函数解析式表述),从而实现开发过程的最优控制及其开发指标的预测。最后将这一原理应用于中原某油藏进行指标预测,获得了满意的结果。     

冲击和随机荷载联合作用下弹性浮筏最优控制

在理想最优控制理论和准最优控制理论的基础上，对冲击和随机荷载联合作用下，弹性浮筏系统的最优控制方法进行研究，建立了刚弹耦合非自治浮筏系统的最优控制方法和最优参数设计方法．并以舰船空压机浮筏系统为例进行了仿真计算。通过对控制效果的分析，验证了最优控制方法和最优参数设计方法的有效性．研究成果可为舰船浮筏系统的优化设计提供参考．     

求解边界约束最优控制问题的神经网络

提出了一种求解控制变量含有边界约束最优控制问题的神经网络模型(COCNN).该模型将控制系统动态方程的等式约束隐含于神经网络COCNN结构中,克服了动态方程约束所带来的求解优化问题的困难;仅将控制系统的控制变量选为COCNN的状态变量,从而降低了神经网络的维数;利用饱和特性处理边界约束,可以求得最优控制问题的精确最优解;该COCNN无论是在硬件实现,还是在用数字计算机进行软件仿真方面,都特别适合于并行处理,可显著提高问题的求解速度,具有广阔的应用前景。     

大林算法参数的自寻最优控制

本文研究了大林算法参数自寻最优控制的必要性和实现的方法，并在电阻炉温度控制系统上进行了试验研究。结果表明，此法提高了大林算法对被控过程参数的适应能力。     

航空发动机叶片铣削工艺调整方法研究

为提高航空发动机叶片精密铣削加工的型面质量,提出了一种基于材料去除量的铣削加工工艺参数调整方法;首先,进行叶片铣削工艺参数调整总体方案设计,制定了叶片的铣削加工总体方案以及工艺参数调整方案;其次,基于神经网络算法建立了叶片铣削材料去除量预估模型,用于评价在不同工艺参数组合实验的铣削稳定性;然后,基于材料去除量对工艺参数进行调整来提高铣削过程的稳定性,并选取最优工艺参数组合进行叶片铣削实验;最后,运用三坐标测量机对铣削后的叶片型面进行检测,实验结果表明:铣削后的叶片叶盆、叶背加工余量分布在±0.05 mm,满足工艺要求,验证了材料去除量模型的稳定性以及所提出的工艺参数调整方法的正确性。     

Cr12插铣铣削力分析与建模

插铣铣削方式是实现金属高切除率最有效的加工方法之一,在模具制造业和航空制造业中有着较为广泛的应用.本文针对冷作模具钢Cr12,设计了三因素四水平正交试验,搭建了三向插铣铣削力测试系统,分析了切削用量对插铣铣削力的影响,建立了基于BP神经网络的插铣铣削力模型,实现了对插铣铣削力的准确预报,为实际插铣Cr12加工过程提供指导,为插铣参数的优化提供依据.     

非线性发展系统最优控制的存在性及其应用

研究了一类非线性发展系统连同积分型指标泛函的最优控制问题，证明了最优控制对的存在性．作为应用，研究了非线性抛物型积分－微分方程所描述的分布参数系统的最优控制问题，给出了最优控制对存在的充分条件．     

基于时间最优控制的模糊控制优化方法

讨论了二次积分系统的时间最优控制．考虑到系统的鲁棒性和抗扰动能力，对其参数设计方法进行了改进．理论分析和仿真表明，这种基于时间最优控制的非线性设计方法具有很好的控制效果和鲁棒性，适用于一类二阶系统的控制．通过二阶系统的模糊控制和时间最优控制的对比发现，一类二阶系统或可近似为二阶系统的模糊控制实际上是对二阶系统最优控制的一种近似．在此基础上，指出了模糊控制规则设计中一种常见的错误，并提出了基于时间最优控制的模糊控制规则的制定和优化方法     

基于BP网络的注塑成型模具硬态高速铣削力研究

用AlTiN 涂层硬质合金立铣刀对4Cr5MoSiV1钢注塑成型模具进行硬态高速铣削,研究切削加工参数对切削力的影响;通过多因素法进行正交试验,利用改进的BP神经网络建立切削力的神经网络模型并对工艺参数进行优化,将网络预测结果与现场加工实践数据进行对比.研究结果表明:人工神经网络能准确地预测铣削力,模型具有较强的泛化能力和自适应能力;在高转速、小切深、合适的进给速度以及微量切削液状态下铣削力较小,为优化模具硬态铣削的切削参数并对其实际生产应用提供了较好的依据.     

基于神经网络的非线性最优控制

将线性最优控制技术与非线性神经网络的学习方法相结合，提出一种新的非线性最优控制器。仿真实验表明，这种控制器克服了传统最优控制不易解决的非线性容限性。     

非线性分布参数系统的最优控制的充分条件

本文研究了用非线性发展方程描述的分布参数系统的最优控制问题，并证明了在一定条件下，满足极大值原理的控制是非线性分布参数系统的最优控制，且这一最优控制是唯一的。     

一类DEDS的最优控制与调度

本文用极大代数方法［１］对具有ｆｌｏｗ－ｓｈｏｐ结构的离散事件动态系统，建立了缓冲区容量有限的状态方程和带控制项的输出状态方程，讨论了最优控制与调度问题，并提供了通过系统的加工时间矩阵获取动态参数的方法     

工业分布参数系统的最优控制

本文结合实际工业过程讨论了分布参数系统的最优控制问题。内容包括有关分布参数系统的极大值原理,最优化必要条件和最优控制计算方法等。虽然分布参数问题的分析和计算远比集中参数复杂和困难,尤其是在处理多维系统时有可能出现“维数灾难”,但研究结果表明所采用的方法提供了有效地实现最优控制的可能性。     

基于蒙特卡洛法的铣削让刀误差概率分布预测

基于斜角切削理论,建立铣削力计算模型,求解得到铣削力.构建薄板受力变形的挠度函数,结合刀具的受力变形求解刀具-工件耦合变形的铣削让刀误差.采用神经网络拟合方法,求出输入铣削参数与输出最大让刀误差的函数关系.考虑刀具参数、材料参数、工件参数以及加工工况等随机参数对金属切削的影响,利用蒙特卡洛方法,对输入参数进行抽样,将参数样本代入神经网络拟合的函数模型中,获得铣削让刀误差样本,并分析其概率特性,从而提出一种铣削让刀误差的概率分布预测方法,较确定性计算铣削让刀误差的方法更加符合实际.     

不确定性非线性系统的神经网络稳定自适应控制

为克服常规鲁棒控制中存在的保守性问题,提出一种不确定性非线性系统的神经网络稳定自适应控制算法。该算法是神经网络自适应控制和鲁棒最优控制的集成,采用线性参数神经网络逼近不确定性非线性函数,将神经网络逼近误差视为扰动并利用鲁棒控制对其进行抑制。整个系统的全局渐进稳定性及神经网络权值矢量的一致有界性采用Ｌｙａ－ｐｕｎｏｖ 稳定性理论和Ｂａｒｂａｌａｔ引理进行了证明,并证明了性能指标有界。在二自由度机械手应用中的结果表明,该控制系统不仅具有精确的跟踪性能,而且具有良好的鲁棒性。     

基于进化RBF网络的柴油机喷油参数研究

基于柴油机燃油喷射电子控制实时性的要求，引入非线性最优控制理论来确定RBFNN的参数，用全局优化算法－遗传算法来离线求解非线性优化问题，用递推最小二乘法（RLS）在线调整进化RBFNN的输出权值，增加系统的抗干扰能力。同时通过分析输入参数与输出参数的相关性来简化该神经网络。结果表明：冷却水温及润滑油温度与喷油参数的相关性最低，从输入参数中去除它们后的简化神经网络在更少的迭代次数下能达到同样的逼近效果。     

结构主动抗振状态参数敏感度及在线模糊修正

通过分析状态参数对系统性能影响程度的大小，提出了状态参数敏感度的概念．根据这一概念可以确定关键的状态参数，从而实现准最优控制．考虑到参数的时变特性，利用模糊技术对参数进行实时在线修正，取得了良好的控制效果．这种方法可以进一步提高振动控制系统的控制品质和鲁棒性。     

基于层合叠加理论的CFRP多向层合板铣削力建模

针对碳纤维增强树脂基复合材料(CFRP)多向层合板设计中常用的典型纤维铺层方向,实验研究CFRP单向层合板的铣削力随纤维方向角及加工参数的变化规律,使用BP神经网络,获取不同加工参数下的CFRP 4种典型铺层方向单向层合板铣削力数据;基于BP神经网络结果数据和切削力层合叠加理论,建立CFRP多向层合板铣削力预测模型。研究结果表明:纤维方向角是影响铣削力的最主要的因素,该CFRP多向层合板铣削力预测模型精度可以达到85%以上。