扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
湖南省志(1978-2002)?铁路志
-
>
公路车宝典(ZINN的公路车维修与保养秘籍)
-
>
晶体管电路设计(下)
-
>
基于个性化设计策略的智能交通系统关键技术
-
>
德国克虏伯与晚清火:贸易与仿制模式下的技术转移
-
>
花样百出:贵州少数民族图案填色
-
>
识木:全球220种木材图鉴
柔性材料加工智能控制理论与应用 版权信息
- ISBN：9787030585844
- 条形码：9787030585844 ; 978-7-03-058584-4
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
柔性材料加工智能控制理论与应用 内容简介
本书提出加工变形影响因素提取简权重分析方法，介绍基于粗糙集(RS)及信息熵约简方法、基于层次分析法的加工变形影响因素提取方法；提出柔性材料加工变形补偿预测自适应T-S模糊神经网络(ATS-FNN)建模方法，模型的前件网络引入模糊聚类方法AFCM完成输入空间模糊等级划分、隶属度函数提取，规则适应度计算，实现TSFNN模型前件网络结构辨识；提出一种基于机器视觉测量加工误差反馈的ATS-FNN模型，设计以双32位MicroBlaze处理器为核心、小波变换等专用IP核为辅助的柔性材料轨迹加工变形补偿硬件控制器；将柔性材料加工变形影响理论方法应用于柔性薄膜卷对卷加工影响因素分析，建立放卷辊、收卷辊、驱动辊、导向辊的物理模型，对R2R加工过程柔性薄膜变形进行仿真，分析张力波动对变形的影响；结合物理分析和数据驱动方法，建立描述多工位过程偏差和产品*终质量的关系表达式，构建制造系统受控和失控状态下的误差流模型，进行多故障的检测与隔离；结合柔性材料加工变形补偿技术的应用，介绍带反馈ATS-FNN控制器的绗缝加工系统、基于开环ATS-FNN控制器的电脑弯刀机加工系统研制、柔性皮革材料振动切割机构设计与实际生产加工应用。
柔性材料加工智能控制理论与应用 目录
目录
前言
主要符号表
第1章 绪论 1
1.1 柔性材料加工控制基本过程 1
1.2 柔性材料加工过程控制评价指标 3
1.3 柔性材料加工变形补偿控制研究进展5
1.3.1 柔性材料加工过程MIMO建模方法 5
1.3.2 柔性材料加工轨迹视觉测量方法 14
1.3.3 智能控制系统软硬件协同设计与硬件加速方法 15
参考文献 17
第2章 柔性材料加工变形影响因素提取方法 25
2.1 柔性材料加工变形力学建模与变形影响因素分析 25
9.2 基于粗糙集及信息熵约简的柔性材料加工变形决策知识提取 36
2.2.1 柔性材料加工变形决策表的粗糙集表示 37
2.2.2 变形影响因素属性重要度的信息熵计算方法 39
2.2.3 基于信息熵的柔性材料加工变形决策表DDT的约简 41
2.3 信息熵约简方法与Pawlak约简方法等的比较 42
2.4 基于粗糙集的柔性材料加工变形决策知识提取实例 43
2.5 基于层次分析法的柔性材料加工变形影响因素提取 54
2.5.1 加工变形影响因素提取的层次分析法思路 54
2.5.2 加工变形影响因素提取的层次模型设计 55
2.5.3 层次单排序和层次总排序权变量计算推导 56
2.5.4 基于层次分析法的加工变形影响因素提取试验 58
2.6 本章小结 71
参考文献 72
第3章 柔性材料加工变形补偿模糊神经网络建模 73
3.1 柔性材料加工变形补偿预测建模原理 73
3.1.1 白适应模糊聚类方法数学基础 73
3.1.2 T-S模糊神经网络数学基础 74
3.1.3 柔性材料加工变形补偿模糊预测模型 75
3.2 基于AFCM与TSFNN的柔性材料加工变形补偿预测建模实现 77
3.2.1 柔性材料加工变形补偿预测输入数据的AFCM划分 77
3.2.2 柔性材料加工变形补偿预测的TSFNN构建 79
3.3 柔性材料加工变形补偿预测模型性能分析 83
3.3.1 加工变形补偿预测模型构建 84
3.3.2 预测模型的性能分析 92
3.4 加工试验 95
3.5 本章小结 99
参考文献 100
第4章 基于机器视觉的柔性材料加工轨迹提取方法 101
4.1 柔性材料加工轨迹测量指标与轨迹图像提取方法概述 101
4.2 基于主动轮廓模型的柔性材料加工轨迹提取方法 102
4.2.1 柔性材料加工轨迹主动轮廓R-S提取的数学模型 102
4.2.2 基于有限差分法的柔性材料加工轨迹轮廓曲线提取 105
4.3 试验测试 111
4.4 本章小结 118
参考文献 119
第5章 柔性材料加工变形补偿嵌入式多核协同控制技术 120
5.1 带反馈的柔性件加工变形补偿闭环控制方法 120
5.1.1 基于视党测量反馈的柔性材料加工变形补偿控制系统框架 120
5.1.2 柔性材料加工变形补偿ATS-FNN控制器的硬件实现原理 121
5.2 柔性材料加工变形补偿嵌入式多核控制器关键技术 125
5.2.1 ATS-FNN控制器的加工轨迹夹角测量技术 126
5.2.2 ATS-FNN控制器的TSFNN计算IP核设计 139
5.3 加工变形补偿多核控制器测试 146
5.4 本章小结 152
参考文献 153
第6章 柔性材料高速振动切割加工控制方法与应用 154
6.1 柔性材料高速振动切割原理 154
6.2 柔性材料高速振动切割模组机构设计方法 156
6.2.1 刀头部分机构设计 156
6.2.2 机头部分机构设计 158
6.3 性能测试与应用实例 159
6.4 本章小结 162
参考文献 163
第7章 柔性材料R2R加工变形力学建模与影响因素分析 164
7.1 柔性材料R2R加工力学建模与张力影响因素分析 164
7.1.1 柔性材料R2R制造系统结构模型 164
7.1.2 柔性材料R2R制造系统卷辊张力表达方程 166
7.2 柔性材料R2R加工张力波动仿真与分析 170
7.3 本章小结 173
参考文献 173
第8章 柔性材料加工智能控制应用实例 175
8.1 带反馈ATS-FNN控制器在绗缝加工系统中的应用实例 175
8.1.1 基于ATS-FNN控制器的绗缝加工系统 176
8.1.2 基于ATS-FNN控制器的绗缝加工系统应用效果 180
8.2 开环ATS-FNN控制器在电脑弯刀机加工系统中的应用 185
8.2.1 基于开环ATS-FNN控制器的弯刀机加工系统设计 186
8.2.2 项目完成情况 187
8.3 柔性材料加工智能控制技术在皮革切割装备的应用 191
8.4 本章小结 197
参考文献 198
前言
主要符号表
第1章 绪论 1
1.1 柔性材料加工控制基本过程 1
1.2 柔性材料加工过程控制评价指标 3
1.3 柔性材料加工变形补偿控制研究进展5
1.3.1 柔性材料加工过程MIMO建模方法 5
1.3.2 柔性材料加工轨迹视觉测量方法 14
1.3.3 智能控制系统软硬件协同设计与硬件加速方法 15
参考文献 17
第2章 柔性材料加工变形影响因素提取方法 25
2.1 柔性材料加工变形力学建模与变形影响因素分析 25
9.2 基于粗糙集及信息熵约简的柔性材料加工变形决策知识提取 36
2.2.1 柔性材料加工变形决策表的粗糙集表示 37
2.2.2 变形影响因素属性重要度的信息熵计算方法 39
2.2.3 基于信息熵的柔性材料加工变形决策表DDT的约简 41
2.3 信息熵约简方法与Pawlak约简方法等的比较 42
2.4 基于粗糙集的柔性材料加工变形决策知识提取实例 43
2.5 基于层次分析法的柔性材料加工变形影响因素提取 54
2.5.1 加工变形影响因素提取的层次分析法思路 54
2.5.2 加工变形影响因素提取的层次模型设计 55
2.5.3 层次单排序和层次总排序权变量计算推导 56
2.5.4 基于层次分析法的加工变形影响因素提取试验 58
2.6 本章小结 71
参考文献 72
第3章 柔性材料加工变形补偿模糊神经网络建模 73
3.1 柔性材料加工变形补偿预测建模原理 73
3.1.1 白适应模糊聚类方法数学基础 73
3.1.2 T-S模糊神经网络数学基础 74
3.1.3 柔性材料加工变形补偿模糊预测模型 75
3.2 基于AFCM与TSFNN的柔性材料加工变形补偿预测建模实现 77
3.2.1 柔性材料加工变形补偿预测输入数据的AFCM划分 77
3.2.2 柔性材料加工变形补偿预测的TSFNN构建 79
3.3 柔性材料加工变形补偿预测模型性能分析 83
3.3.1 加工变形补偿预测模型构建 84
3.3.2 预测模型的性能分析 92
3.4 加工试验 95
3.5 本章小结 99
参考文献 100
第4章 基于机器视觉的柔性材料加工轨迹提取方法 101
4.1 柔性材料加工轨迹测量指标与轨迹图像提取方法概述 101
4.2 基于主动轮廓模型的柔性材料加工轨迹提取方法 102
4.2.1 柔性材料加工轨迹主动轮廓R-S提取的数学模型 102
4.2.2 基于有限差分法的柔性材料加工轨迹轮廓曲线提取 105
4.3 试验测试 111
4.4 本章小结 118
参考文献 119
第5章 柔性材料加工变形补偿嵌入式多核协同控制技术 120
5.1 带反馈的柔性件加工变形补偿闭环控制方法 120
5.1.1 基于视党测量反馈的柔性材料加工变形补偿控制系统框架 120
5.1.2 柔性材料加工变形补偿ATS-FNN控制器的硬件实现原理 121
5.2 柔性材料加工变形补偿嵌入式多核控制器关键技术 125
5.2.1 ATS-FNN控制器的加工轨迹夹角测量技术 126
5.2.2 ATS-FNN控制器的TSFNN计算IP核设计 139
5.3 加工变形补偿多核控制器测试 146
5.4 本章小结 152
参考文献 153
第6章 柔性材料高速振动切割加工控制方法与应用 154
6.1 柔性材料高速振动切割原理 154
6.2 柔性材料高速振动切割模组机构设计方法 156
6.2.1 刀头部分机构设计 156
6.2.2 机头部分机构设计 158
6.3 性能测试与应用实例 159
6.4 本章小结 162
参考文献 163
第7章 柔性材料R2R加工变形力学建模与影响因素分析 164
7.1 柔性材料R2R加工力学建模与张力影响因素分析 164
7.1.1 柔性材料R2R制造系统结构模型 164
7.1.2 柔性材料R2R制造系统卷辊张力表达方程 166
7.2 柔性材料R2R加工张力波动仿真与分析 170
7.3 本章小结 173
参考文献 173
第8章 柔性材料加工智能控制应用实例 175
8.1 带反馈ATS-FNN控制器在绗缝加工系统中的应用实例 175
8.1.1 基于ATS-FNN控制器的绗缝加工系统 176
8.1.2 基于ATS-FNN控制器的绗缝加工系统应用效果 180
8.2 开环ATS-FNN控制器在电脑弯刀机加工系统中的应用 185
8.2.1 基于开环ATS-FNN控制器的弯刀机加工系统设计 186
8.2.2 项目完成情况 187
8.3 柔性材料加工智能控制技术在皮革切割装备的应用 191
8.4 本章小结 197
参考文献 198
展开全部
柔性材料加工智能控制理论与应用 节选
第1章绪论 1.1柔性材料加工控制基本过程 柔性材料是一种常见的加工材料，在航空航天、高铁、汽车、新能源材料和纺织轻工制造等行业有着广泛的应用。柔性件加工是在单层或者由多层柔软物组合成的工件上进行各种复杂图形的加工，在表面上浮现出凹凸不平的立体图案或者组合成一种新材料的过程。柔性加工工件具有柔软性，当受到外力时，极易发生变形。工件材料的特性决定其难以用材料力学方法进行变形分析，变形不确定性明显，而工件厚度的不均匀也使得工件受力发生变形的情况复杂化。柔性材料加工过程控制就是解决以上复杂问题的重要步骤。 因此，柔性材料加工过程控制一般指在充分考虑工件材料变形、加工形状、工艺及加工伺服系统性能等的基础上，获得加工过程控制规则，并确定控制推理机制，采用机器视觉测量等辅助手段，实现复杂的加工过程轨迹变形补偿控制。根据流程先后，柔性材料加工控制过程可分为控制规则获取、控制推理、测量反馈和控制参数在线调整等环节。 1.控制规则获取环节 控制规则获取环节主要将与加工控制过程有关的各种控制信息归一化处理并输入到模型中进行训练得到加工控制规则。控制信息主要来于专家知识或在线观测数据。从专家知识库中或得的控制规则，可在未知环境下仿效专家智能实现控制，但难以随加工环境变化对控制规则做出快速调整；通过观测数据的训练得到的当前加工控制规则，其模型参数可适应加工状态变化。在这个环节中，规则属性约简非常必要，去掉冗余和冲突规则，可降低决策推理的复杂性。 2.控制推理环节 控制推理环节是在控制规则获取基础上，通过似然推理获得控制模型输入输出之间的映射关系矩阵，由集合计算求得系统输出控制向量，再经反变换将控制向量转换成加工伺服系统可以执行的精确量。在这个过程中，集合计算通常由专用高性能片上系统（system on chip，SoC）来完成。推理方法既要求能确保有效信息的完整性，又不消耗过多时间，这是保证控制系统准确性和快速性的基础。 3.测量反馈环节 测量反馈环节的目的是通过测量被控量的实际信息，作为消除被控量与输入量之间的偏差以及调整控制规则的依据。加工轨迹实时测量是反馈控制环节的难点。 4.控制参数在线调整环节 控制参数在线调整环节主要是为了适应加工过程状态的变化并解决控制指标偏离问题，对测量反馈环节获得的数据进行在线学习训练，根据实际输出误差实时地调整控制器参数，优化系统的控制性能。 图1-1为柔性材料加工过程控制流程图。系统状态初始化正常后，执行机构先进入待机状态，接着进入加工图形选择、控制规则获取、控制推理、确定控制、测量反馈和在线调整的交替循环过程。 1.2柔性材料加工过程控制评价指标 柔性材料加工性能的评价，应该包括能反映加工轨迹形状的准确性、加工控制的快速性等方面的内容，同时考虑到柔性材料加工由许多直线加工、网形加工单元组成，还应包括加工轨迹直线度、加工轨迹网度、加工轨迹夹角误差和图元*小加工时间等主要指标。 1.加工轨迹直线度 为衡量柔性材料加工中实际加工直线偏离理想直线程度的评价指标，反映一个平面内的直线形状偏差、空间直线在某一方向上的形状偏差和空间直线在任一方向上的形状偏差。图1-2给出了的*小二乘法（least square method，I-SM）评定方法，是通过LSM将被测要素上各点进行拟合得到的评定基线。在给定平面内，为平行于、包容实际被测要素且距离为*小的两直线之间的距离，如图l-2（a）所示；而在任意方向上，为与轴线平行、包容实际被测要素且直径为*小的圆柱面的直径，如图1-2（b）所示。 2.加工轨迹圆度 指同一正截面上实际加工轮廓对其理想圆的变动量，反映了加工轨迹不圆整的程度。用两个理想的同心圆包容实际轮廓圆，实现*小区域的两个同心圆半径之差即，（图1-3）。 3.加工轨迹夹角误差 1.是柔性材料加工中图元连接处夹角准确度的评价指标，指实际加工夹角与期望角度之间的误差值。图1-4列出三种不同图元连接方式（直线-直线式、直线-圆弧式、圆弧-圆弧式）的夹角。 在实际加工中，可用来衡量直角或尖角的加工效果越小说明夹角加工水平越接近理想效果，越大则说明夹角加工处出现圆角或钝角的情况。定义为 （1-1） 式中，是夹角期望加工值是实际夹角的大小。 4.图元*小加工时间 是系统加工快速性的衡量指标，指加工系统完成一个*小单位的图元轨迹所用的时间，包括控制器的响应时间、加工进料时间工以及完成一次加丁循环的时间。 除上述主要指标外，能加工丁件厚度以及多次跨步加工能力也是考虑的指标。在柔性材料加工中，工件越厚则受力变形越严重，加工轨迹的变形补偿则越难控制；多次跨步加工能力反映了系统能加工图形的多样性，如独立加工图形、内嵌加工图形（独立图形内部包含子图形）等。柔性材料加工过程的工件变形不确定性和加工图形多样性等特点决定了其控制过程必须具备较好的白适应性、智能性，可通过自动调整或重构等手段来适应工况、减少各种因素的影响，通过在线白学习优化控制策略保证控制系统的准确度。 从上述内容可以看出，柔性材料加工变形由多个因素造成，在加工过程中可通过调节多个相关变量来减少加工误差。因此，柔性材料加工变形补偿控制实质上是一个多输入-多输出（multiple input multiple output，MIMO）过程，而建立变形影响因素与补偿输出量之间的親合关系是进行补偿控制的关键之一。 1.3柔性材料加工变形补偿控制研究进展 通过分析柔性材料加工控制过程及加工评价指标可知，要提高柔性材料的加工精度及系统性能，加工过程变形补偿控制、加工轨迹在线测量反馈以及加工控制模型的自适应性和智能化是研究的关键。本节将从柔性材料加工过程MIMO建模方法、柔性材料加工轨迹视觉测量方法和智能控制系统软硬件协同设计与硬件加速方法三方面讨论与柔性材料加工变形补偿控制技术相关的国内外研究情况。 1.3.1柔性材料加工过程MIMO建模方法 根据加工控制过程性质的不同以及建模对样本数量要求的差异，下面从回归分析MIMO建模、时间序列MIMO建模和基于人工智能方法的MIMO建模等方面阐述柔性材料加工过程建模方法的研究情况。 1.回归分析MIMO建模 回归分析法是建立在数理统计原理基础上，从试验观测数据出发，来确定自变量与因变量之间函数关系的方法。回归分析MIMO建模就是要建立多个自变量与多个因变量之间的定量函数关系。 典型的回归分析MIMO模型的数学定义为，即 (1-2） 式中，因变量是自变量和误差项的线性函数；为阶回归系数矩阵。 建立回归模型需要确定回归系数矩阵、回归模型显著性检验、拟合性校验等环节，其中参数估计是关键步骤，且多基于*小二乘法原理。下面讨论比较有代表性的偏*小二乘回归（partial least squares regression，PLSR）、*小二乘支持向量回归（east squares support vector regression，LS-SVR）两种回归分析MIMO建模方法。 1）偏*小二乘方法 PLSR是由瑞典学者Wold等*先提出的适合于各自变量集合内部存在较高相关性的MIMO回归建模方法，该方法通过对系统数据进行有效的分解、筛选，提取对因变量解释性*强的综合变量用于模型的建立。针对基本PLSR方法存在的非线性处理能力不足、计算速度慢、稳健性不高等问题，许多学者结合不同要求对PLSR方法进行完善及提高，如文献[9]提出了用于非线性建模的神经网络-偏*小二乘回归(neural network PLSR，NNPLSR）方法；文献[10]和文献[11]提出了适用于实时过程建模的核函数-偏*小二乘回归（kernel PLSR，KPLSR）方法；文献[12]和文献[13]介绍了具有较强跟踪能力的滑动窗口递归-偏*小二乘回归(recursive PLSR，RPLSR）方法；文献[14]介绍了具有较高算法稳健性的遗传-偏*小二乘回归（genetic algorithm PLSR，GAPLSR）方法。 KPLSR方法以运算速度快且不影响估计精度等特点，在实时性要求较高的MIMO建模中受到越来越多的重视。KPLSR方法由瑞典于默奥大学Lindgren等于1996年首次提出，1997年加拿大麦克马斯特大学Dayal等证明在进行Kernel递推运算时只需更新其中一个自变量或因变量矩阵，这使新KPLSR算法的运算速度大大提高[15，16]；瑞典阿斯利康研究中心的Abrahamsson等研究样本数量巨大且变量数目较多情况下，既能快速处理样本分类又可保证辨识算法实现的KPLSR新方法[17]；文献[18]提出一种新的KPLSR方法，该方法不进行迭代计算而是直接抽取主元，并根据统计学习理论采用实际风险的性能指标，既有助于核函
书友推荐
- >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥30.5¥35.0 - >
推拿
推拿
¥12.2¥32.0 - >
我与地坛
我与地坛
¥15.4¥28.0 - >
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
新文学天穹两巨星--鲁迅与胡适/红烛学术丛书(红烛学术丛书)
¥9.9¥23.0 - >
伊索寓言-世界文学名著典藏-全译本
伊索寓言-世界文学名著典藏-全译本
¥9.3¥19.0 - >
回忆爱玛侬
回忆爱玛侬
¥9.8¥32.8 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥14.7¥45.8 - >
伯纳黛特,你要去哪(2021新版)
伯纳黛特,你要去哪(2021新版)
¥14.9¥49.8
本类畅销
-
黑科技驱动世界的100项技术
¥21.9¥69.8 -
黑科技:驱动世界的100项技术(八品)
¥21.9¥69.8 -
指火控弹道与射击诸元理论
¥38.7¥49 -
智能照明工程手册
¥29.9¥49.8 -
光电直读光谱分析技术与应用
¥38.7¥49 -
服务型制造
¥76.3¥109
