掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統(tǒng)關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創(chuàng)新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學的問題與脈絡
柔性材料加工智能控制理論與應用 版權信息
- ISBN：9787030585844
- 條形碼：9787030585844 ; 978-7-03-058584-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
柔性材料加工智能控制理論與應用 內容簡介
本書提出加工變形影響因素提取簡權重分析方法，介紹基于粗糙集(RS)及信息熵約簡方法、基于層次分析法的加工變形影響因素提取方法；提出柔性材料加工變形補償預測自適應T-S模糊神經網絡(ATS-FNN)建模方法，模型的前件網絡引入模糊聚類方法AFCM完成輸入空間模糊等級劃分、隸屬度函數提取，規(guī)則適應度計算，實現(xiàn)TSFNN模型前件網絡結構辨識；提出一種基于機器視覺測量加工誤差反饋的ATS-FNN模型，設計以雙32位MicroBlaze處理器為核心、小波變換等專用IP核為輔助的柔性材料軌跡加工變形補償硬件控制器；將柔性材料加工變形影響理論方法應用于柔性薄膜卷對卷加工影響因素分析，建立放卷輥、收卷輥、驅動輥、導向輥的物理模型，對R2R加工過程柔性薄膜變形進行仿真，分析張力波動對變形的影響；結合物理分析和數據驅動方法，建立描述多工位過程偏差和產品*終質量的關系表達式，構建制造系統(tǒng)受控和失控狀態(tài)下的誤差流模型，進行多故障的檢測與隔離；結合柔性材料加工變形補償技術的應用，介紹帶反饋ATS-FNN控制器的絎縫加工系統(tǒng)、基于開環(huán)ATS-FNN控制器的電腦彎刀機加工系統(tǒng)研制、柔性皮革材料振動切割機構設計與實際生產加工應用。
柔性材料加工智能控制理論與應用 目錄
目錄
前言
主要符號表
第1章 緒論 1
1.1 柔性材料加工控制基本過程 1
1.2 柔性材料加工過程控制評價指標 3
1.3 柔性材料加工變形補償控制研究進展5
1.3.1 柔性材料加工過程MIMO建模方法 5
1.3.2 柔性材料加工軌跡視覺測量方法 14
1.3.3 智能控制系統(tǒng)軟硬件協(xié)同設計與硬件加速方法 15
參考文獻 17
第2章 柔性材料加工變形影響因素提取方法 25
2.1 柔性材料加工變形力學建模與變形影響因素分析 25
9.2 基于粗糙集及信息熵約簡的柔性材料加工變形決策知識提取 36
2.2.1 柔性材料加工變形決策表的粗糙集表示 37
2.2.2 變形影響因素屬性重要度的信息熵計算方法 39
2.2.3 基于信息熵的柔性材料加工變形決策表DDT的約簡 41
2.3 信息熵約簡方法與Pawlak約簡方法等的比較 42
2.4 基于粗糙集的柔性材料加工變形決策知識提取實例 43
2.5 基于層次分析法的柔性材料加工變形影響因素提取 54
2.5.1 加工變形影響因素提取的層次分析法思路 54
2.5.2 加工變形影響因素提取的層次模型設計 55
2.5.3 層次單排序和層次總排序權變量計算推導 56
2.5.4 基于層次分析法的加工變形影響因素提取試驗 58
2.6 本章小結 71
參考文獻 72
第3章 柔性材料加工變形補償模糊神經網絡建模 73
3.1 柔性材料加工變形補償預測建模原理 73
3.1.1 白適應模糊聚類方法數學基礎 73
3.1.2 T-S模糊神經網絡數學基礎 74
3.1.3 柔性材料加工變形補償模糊預測模型 75
3.2 基于AFCM與TSFNN的柔性材料加工變形補償預測建模實現(xiàn) 77
3.2.1 柔性材料加工變形補償預測輸入數據的AFCM劃分 77
3.2.2 柔性材料加工變形補償預測的TSFNN構建 79
3.3 柔性材料加工變形補償預測模型性能分析 83
3.3.1 加工變形補償預測模型構建 84
3.3.2 預測模型的性能分析 92
3.4 加工試驗 95
3.5 本章小結 99
參考文獻 100
第4章 基于機器視覺的柔性材料加工軌跡提取方法 101
4.1 柔性材料加工軌跡測量指標與軌跡圖像提取方法概述 101
4.2 基于主動輪廓模型的柔性材料加工軌跡提取方法 102
4.2.1 柔性材料加工軌跡主動輪廓R-S提取的數學模型 102
4.2.2 基于有限差分法的柔性材料加工軌跡輪廓曲線提取 105
4.3 試驗測試 111
4.4 本章小結 118
參考文獻 119
第5章 柔性材料加工變形補償嵌入式多核協(xié)同控制技術 120
5.1 帶反饋的柔性件加工變形補償閉環(huán)控制方法 120
5.1.1 基于視黨測量反饋的柔性材料加工變形補償控制系統(tǒng)框架 120
5.1.2 柔性材料加工變形補償ATS-FNN控制器的硬件實現(xiàn)原理 121
5.2 柔性材料加工變形補償嵌入式多核控制器關鍵技術 125
5.2.1 ATS-FNN控制器的加工軌跡夾角測量技術 126
5.2.2 ATS-FNN控制器的TSFNN計算IP核設計 139
5.3 加工變形補償多核控制器測試 146
5.4 本章小結 152
參考文獻 153
第6章 柔性材料高速振動切割加工控制方法與應用 154
6.1 柔性材料高速振動切割原理 154
6.2 柔性材料高速振動切割模組機構設計方法 156
6.2.1 刀頭部分機構設計 156
6.2.2 機頭部分機構設計 158
6.3 性能測試與應用實例 159
6.4 本章小結 162
參考文獻 163
第7章 柔性材料R2R加工變形力學建模與影響因素分析 164
7.1 柔性材料R2R加工力學建模與張力影響因素分析 164
7.1.1 柔性材料R2R制造系統(tǒng)結構模型 164
7.1.2 柔性材料R2R制造系統(tǒng)卷輥張力表達方程 166
7.2 柔性材料R2R加工張力波動仿真與分析 170
7.3 本章小結 173
參考文獻 173
第8章 柔性材料加工智能控制應用實例 175
8.1 帶反饋ATS-FNN控制器在絎縫加工系統(tǒng)中的應用實例 175
8.1.1 基于ATS-FNN控制器的絎縫加工系統(tǒng) 176
8.1.2 基于ATS-FNN控制器的絎縫加工系統(tǒng)應用效果 180
8.2 開環(huán)ATS-FNN控制器在電腦彎刀機加工系統(tǒng)中的應用 185
8.2.1 基于開環(huán)ATS-FNN控制器的彎刀機加工系統(tǒng)設計 186
8.2.2 項目完成情況 187
8.3 柔性材料加工智能控制技術在皮革切割裝備的應用 191
8.4 本章小結 197
參考文獻 198
前言
主要符號表
第1章 緒論 1
1.1 柔性材料加工控制基本過程 1
1.2 柔性材料加工過程控制評價指標 3
1.3 柔性材料加工變形補償控制研究進展5
1.3.1 柔性材料加工過程MIMO建模方法 5
1.3.2 柔性材料加工軌跡視覺測量方法 14
1.3.3 智能控制系統(tǒng)軟硬件協(xié)同設計與硬件加速方法 15
參考文獻 17
第2章 柔性材料加工變形影響因素提取方法 25
2.1 柔性材料加工變形力學建模與變形影響因素分析 25
9.2 基于粗糙集及信息熵約簡的柔性材料加工變形決策知識提取 36
2.2.1 柔性材料加工變形決策表的粗糙集表示 37
2.2.2 變形影響因素屬性重要度的信息熵計算方法 39
2.2.3 基于信息熵的柔性材料加工變形決策表DDT的約簡 41
2.3 信息熵約簡方法與Pawlak約簡方法等的比較 42
2.4 基于粗糙集的柔性材料加工變形決策知識提取實例 43
2.5 基于層次分析法的柔性材料加工變形影響因素提取 54
2.5.1 加工變形影響因素提取的層次分析法思路 54
2.5.2 加工變形影響因素提取的層次模型設計 55
2.5.3 層次單排序和層次總排序權變量計算推導 56
2.5.4 基于層次分析法的加工變形影響因素提取試驗 58
2.6 本章小結 71
參考文獻 72
第3章 柔性材料加工變形補償模糊神經網絡建模 73
3.1 柔性材料加工變形補償預測建模原理 73
3.1.1 白適應模糊聚類方法數學基礎 73
3.1.2 T-S模糊神經網絡數學基礎 74
3.1.3 柔性材料加工變形補償模糊預測模型 75
3.2 基于AFCM與TSFNN的柔性材料加工變形補償預測建模實現(xiàn) 77
3.2.1 柔性材料加工變形補償預測輸入數據的AFCM劃分 77
3.2.2 柔性材料加工變形補償預測的TSFNN構建 79
3.3 柔性材料加工變形補償預測模型性能分析 83
3.3.1 加工變形補償預測模型構建 84
3.3.2 預測模型的性能分析 92
3.4 加工試驗 95
3.5 本章小結 99
參考文獻 100
第4章 基于機器視覺的柔性材料加工軌跡提取方法 101
4.1 柔性材料加工軌跡測量指標與軌跡圖像提取方法概述 101
4.2 基于主動輪廓模型的柔性材料加工軌跡提取方法 102
4.2.1 柔性材料加工軌跡主動輪廓R-S提取的數學模型 102
4.2.2 基于有限差分法的柔性材料加工軌跡輪廓曲線提取 105
4.3 試驗測試 111
4.4 本章小結 118
參考文獻 119
第5章 柔性材料加工變形補償嵌入式多核協(xié)同控制技術 120
5.1 帶反饋的柔性件加工變形補償閉環(huán)控制方法 120
5.1.1 基于視黨測量反饋的柔性材料加工變形補償控制系統(tǒng)框架 120
5.1.2 柔性材料加工變形補償ATS-FNN控制器的硬件實現(xiàn)原理 121
5.2 柔性材料加工變形補償嵌入式多核控制器關鍵技術 125
5.2.1 ATS-FNN控制器的加工軌跡夾角測量技術 126
5.2.2 ATS-FNN控制器的TSFNN計算IP核設計 139
5.3 加工變形補償多核控制器測試 146
5.4 本章小結 152
參考文獻 153
第6章 柔性材料高速振動切割加工控制方法與應用 154
6.1 柔性材料高速振動切割原理 154
6.2 柔性材料高速振動切割模組機構設計方法 156
6.2.1 刀頭部分機構設計 156
6.2.2 機頭部分機構設計 158
6.3 性能測試與應用實例 159
6.4 本章小結 162
參考文獻 163
第7章 柔性材料R2R加工變形力學建模與影響因素分析 164
7.1 柔性材料R2R加工力學建模與張力影響因素分析 164
7.1.1 柔性材料R2R制造系統(tǒng)結構模型 164
7.1.2 柔性材料R2R制造系統(tǒng)卷輥張力表達方程 166
7.2 柔性材料R2R加工張力波動仿真與分析 170
7.3 本章小結 173
參考文獻 173
第8章 柔性材料加工智能控制應用實例 175
8.1 帶反饋ATS-FNN控制器在絎縫加工系統(tǒng)中的應用實例 175
8.1.1 基于ATS-FNN控制器的絎縫加工系統(tǒng) 176
8.1.2 基于ATS-FNN控制器的絎縫加工系統(tǒng)應用效果 180
8.2 開環(huán)ATS-FNN控制器在電腦彎刀機加工系統(tǒng)中的應用 185
8.2.1 基于開環(huán)ATS-FNN控制器的彎刀機加工系統(tǒng)設計 186
8.2.2 項目完成情況 187
8.3 柔性材料加工智能控制技術在皮革切割裝備的應用 191
8.4 本章小結 197
參考文獻 198
展開全部
柔性材料加工智能控制理論與應用 節(jié)選
第1章緒論 1.1柔性材料加工控制基本過程 柔性材料是一種常見的加工材料，在航空航天、高鐵、汽車、新能源材料和紡織輕工制造等行業(yè)有著廣泛的應用。柔性件加工是在單層或者由多層柔軟物組合成的工件上進行各種復雜圖形的加工，在表面上浮現(xiàn)出凹凸不平的立體圖案或者組合成一種新材料的過程。柔性加工工件具有柔軟性，當受到外力時，極易發(fā)生變形。工件材料的特性決定其難以用材料力學方法進行變形分析，變形不確定性明顯，而工件厚度的不均勻也使得工件受力發(fā)生變形的情況復雜化。柔性材料加工過程控制就是解決以上復雜問題的重要步驟。 因此，柔性材料加工過程控制一般指在充分考慮工件材料變形、加工形狀、工藝及加工伺服系統(tǒng)性能等的基礎上，獲得加工過程控制規(guī)則，并確定控制推理機制，采用機器視覺測量等輔助手段，實現(xiàn)復雜的加工過程軌跡變形補償控制。根據流程先后，柔性材料加工控制過程可分為控制規(guī)則獲取、控制推理、測量反饋和控制參數在線調整等環(huán)節(jié)。 1.控制規(guī)則獲取環(huán)節(jié) 控制規(guī)則獲取環(huán)節(jié)主要將與加工控制過程有關的各種控制信息歸一化處理并輸入到模型中進行訓練得到加工控制規(guī)則。控制信息主要來于專家知識或在線觀測數據。從專家知識庫中或得的控制規(guī)則，可在未知環(huán)境下仿效專家智能實現(xiàn)控制，但難以隨加工環(huán)境變化對控制規(guī)則做出快速調整；通過觀測數據的訓練得到的當前加工控制規(guī)則，其模型參數可適應加工狀態(tài)變化。在這個環(huán)節(jié)中，規(guī)則屬性約簡非常必要，去掉冗余和沖突規(guī)則，可降低決策推理的復雜性。 2.控制推理環(huán)節(jié) 控制推理環(huán)節(jié)是在控制規(guī)則獲取基礎上，通過似然推理獲得控制模型輸入輸出之間的映射關系矩陣，由集合計算求得系統(tǒng)輸出控制向量，再經反變換將控制向量轉換成加工伺服系統(tǒng)可以執(zhí)行的精確量。在這個過程中，集合計算通常由專用高性能片上系統(tǒng)（system on chip，SoC）來完成。推理方法既要求能確保有效信息的完整性，又不消耗過多時間，這是保證控制系統(tǒng)準確性和快速性的基礎。 3.測量反饋環(huán)節(jié) 測量反饋環(huán)節(jié)的目的是通過測量被控量的實際信息，作為消除被控量與輸入量之間的偏差以及調整控制規(guī)則的依據。加工軌跡實時測量是反饋控制環(huán)節(jié)的難點。 4.控制參數在線調整環(huán)節(jié) 控制參數在線調整環(huán)節(jié)主要是為了適應加工過程狀態(tài)的變化并解決控制指標偏離問題，對測量反饋環(huán)節(jié)獲得的數據進行在線學習訓練，根據實際輸出誤差實時地調整控制器參數，優(yōu)化系統(tǒng)的控制性能。 圖1-1為柔性材料加工過程控制流程圖。系統(tǒng)狀態(tài)初始化正常后，執(zhí)行機構先進入待機狀態(tài)，接著進入加工圖形選擇、控制規(guī)則獲取、控制推理、確定控制、測量反饋和在線調整的交替循環(huán)過程。 1.2柔性材料加工過程控制評價指標 柔性材料加工性能的評價，應該包括能反映加工軌跡形狀的準確性、加工控制的快速性等方面的內容，同時考慮到柔性材料加工由許多直線加工、網形加工單元組成，還應包括加工軌跡直線度、加工軌跡網度、加工軌跡夾角誤差和圖元*小加工時間等主要指標。 1.加工軌跡直線度 為衡量柔性材料加工中實際加工直線偏離理想直線程度的評價指標，反映一個平面內的直線形狀偏差、空間直線在某一方向上的形狀偏差和空間直線在任一方向上的形狀偏差。圖1-2給出了的*小二乘法（least square method，I-SM）評定方法，是通過LSM將被測要素上各點進行擬合得到的評定基線。在給定平面內，為平行于、包容實際被測要素且距離為*小的兩直線之間的距離，如圖l-2（a）所示；而在任意方向上，為與軸線平行、包容實際被測要素且直徑為*小的圓柱面的直徑，如圖1-2（b）所示。 2.加工軌跡圓度 指同一正截面上實際加工輪廓對其理想圓的變動量，反映了加工軌跡不圓整的程度。用兩個理想的同心圓包容實際輪廓圓，實現(xiàn)*小區(qū)域的兩個同心圓半徑之差即，（圖1-3）。 3.加工軌跡夾角誤差 1.是柔性材料加工中圖元連接處夾角準確度的評價指標，指實際加工夾角與期望角度之間的誤差值。圖1-4列出三種不同圖元連接方式（直線-直線式、直線-圓弧式、圓弧-圓弧式）的夾角。 在實際加工中，可用來衡量直角或尖角的加工效果越小說明夾角加工水平越接近理想效果，越大則說明夾角加工處出現(xiàn)圓角或鈍角的情況。定義為 （1-1） 式中，是夾角期望加工值是實際夾角的大小。 4.圖元*小加工時間 是系統(tǒng)加工快速性的衡量指標，指加工系統(tǒng)完成一個*小單位的圖元軌跡所用的時間，包括控制器的響應時間、加工進料時間工以及完成一次加丁循環(huán)的時間。 除上述主要指標外，能加工丁件厚度以及多次跨步加工能力也是考慮的指標。在柔性材料加工中，工件越厚則受力變形越嚴重，加工軌跡的變形補償則越難控制；多次跨步加工能力反映了系統(tǒng)能加工圖形的多樣性，如獨立加工圖形、內嵌加工圖形（獨立圖形內部包含子圖形）等。柔性材料加工過程的工件變形不確定性和加工圖形多樣性等特點決定了其控制過程必須具備較好的白適應性、智能性，可通過自動調整或重構等手段來適應工況、減少各種因素的影響，通過在線白學習優(yōu)化控制策略保證控制系統(tǒng)的準確度。 從上述內容可以看出，柔性材料加工變形由多個因素造成，在加工過程中可通過調節(jié)多個相關變量來減少加工誤差。因此，柔性材料加工變形補償控制實質上是一個多輸入-多輸出（multiple input multiple output，MIMO）過程，而建立變形影響因素與補償輸出量之間的親合關系是進行補償控制的關鍵之一。 1.3柔性材料加工變形補償控制研究進展 通過分析柔性材料加工控制過程及加工評價指標可知，要提高柔性材料的加工精度及系統(tǒng)性能，加工過程變形補償控制、加工軌跡在線測量反饋以及加工控制模型的自適應性和智能化是研究的關鍵。本節(jié)將從柔性材料加工過程MIMO建模方法、柔性材料加工軌跡視覺測量方法和智能控制系統(tǒng)軟硬件協(xié)同設計與硬件加速方法三方面討論與柔性材料加工變形補償控制技術相關的國內外研究情況。 1.3.1柔性材料加工過程MIMO建模方法 根據加工控制過程性質的不同以及建模對樣本數量要求的差異，下面從回歸分析MIMO建模、時間序列MIMO建模和基于人工智能方法的MIMO建模等方面闡述柔性材料加工過程建模方法的研究情況。 1.回歸分析MIMO建模 回歸分析法是建立在數理統(tǒng)計原理基礎上，從試驗觀測數據出發(fā)，來確定自變量與因變量之間函數關系的方法。回歸分析MIMO建模就是要建立多個自變量與多個因變量之間的定量函數關系。 典型的回歸分析MIMO模型的數學定義為，即 (1-2） 式中，因變量是自變量和誤差項的線性函數；為階回歸系數矩陣。 建立回歸模型需要確定回歸系數矩陣、回歸模型顯著性檢驗、擬合性校驗等環(huán)節(jié)，其中參數估計是關鍵步驟，且多基于*小二乘法原理。下面討論比較有代表性的偏*小二乘回歸（partial least squares regression，PLSR）、*小二乘支持向量回歸（east squares support vector regression，LS-SVR）兩種回歸分析MIMO建模方法。 1）偏*小二乘方法 PLSR是由瑞典學者Wold等*先提出的適合于各自變量集合內部存在較高相關性的MIMO回歸建模方法，該方法通過對系統(tǒng)數據進行有效的分解、篩選，提取對因變量解釋性*強的綜合變量用于模型的建立。針對基本PLSR方法存在的非線性處理能力不足、計算速度慢、穩(wěn)健性不高等問題，許多學者結合不同要求對PLSR方法進行完善及提高，如文獻[9]提出了用于非線性建模的神經網絡-偏*小二乘回歸(neural network PLSR，NNPLSR）方法；文獻[10]和文獻[11]提出了適用于實時過程建模的核函數-偏*小二乘回歸（kernel PLSR，KPLSR）方法；文獻[12]和文獻[13]介紹了具有較強跟蹤能力的滑動窗口遞歸-偏*小二乘回歸(recursive PLSR，RPLSR）方法；文獻[14]介紹了具有較高算法穩(wěn)健性的遺傳-偏*小二乘回歸（genetic algorithm PLSR，GAPLSR）方法。 KPLSR方法以運算速度快且不影響估計精度等特點，在實時性要求較高的MIMO建模中受到越來越多的重視。KPLSR方法由瑞典于默奧大學Lindgren等于1996年首次提出，1997年加拿大麥克馬斯特大學Dayal等證明在進行Kernel遞推運算時只需更新其中一個自變量或因變量矩陣，這使新KPLSR算法的運算速度大大提高[15，16]；瑞典阿斯利康研究中心的Abrahamsson等研究樣本數量巨大且變量數目較多情況下，既能快速處理樣本分類又可保證辨識算法實現(xiàn)的KPLSR新方法[17]；文獻[18]提出一種新的KPLSR方法，該方法不進行迭代計算而是直接抽取主元，并根據統(tǒng)計學習理論采用實際風險的性能指標，既有助于核函
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
朝聞道
- >
史學評論
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
煙與鏡
- >
推拿
- >
名家?guī)阕x魯迅:故事新編
本類暢銷
