-
公开(公告)号:CN113119425B
公开(公告)日:2023-05-16
申请号:CN202110302729.4
申请日:2021-03-22
申请人: 广东工业大学
IPC分类号: B29C45/76
摘要: 本发明涉及注塑成型技术领域,更具体地,涉及一种基于改进支持向量机的注塑产品质量预测方法,本发明方法通过建立模流元分析模型,获得注塑成型参数对注塑件质量的影响规律,找到可能影响注塑质量的工艺参数和与之对应质量参数,通过对工艺参数进行田口实验,获取取样实验数据,通过对实验数据进行加权综合处理,构建注塑质量的综合评价,利用遗传模拟退火优化支持向量机建立注塑工艺参数与注塑质量之间的预测模型,利用预测模型可以得到准确性和可靠性都可以满足实用需求的预测结果。
-
公开(公告)号:CN113211750A
公开(公告)日:2021-08-06
申请号:CN202110449055.0
申请日:2021-04-25
申请人: 广东工业大学
摘要: 本发明涉及温度控制方法领域,更具体地,涉及一种基于udf和数值模拟的注塑机料筒计量段温度控制方法。一种基于udf和数值模拟的注塑机料筒计量段温度控制方法,包括以下:S1:构建注塑机料筒计量段结构模型;S2:对S1中的结构模型建立传热数学模型,并根据加热圈的体积热源与注塑机料筒计量段温度的关系,求出料筒计量段的仿真温度;S3:基于udf函数设定温度值以及阈值,计算S2中的仿真温度与设定温度之间的偏差值,并判断偏差值是否超过阈值,若是,利用改进的遗传算法获取PID参数,进而对加热圈的体积热源进行整定,并将整定后的加热圈的体积热源传送给S2,若否,输出仿真温度;S4:基于S3不同时间输出的仿真温度,获取基于时间的温度控制线。
-
公开(公告)号:CN113177332B
公开(公告)日:2023-02-24
申请号:CN202110256399.X
申请日:2021-03-09
申请人: 广东工业大学
IPC分类号: G06F30/23 , G16C20/10 , G06N3/084 , G06F119/08
摘要: 本发明公开了一种基于机理和数据相结合的回转窑烧结温度预测方法,包括:S1:采集回转窑的窑头温度、窑头压强、窑尾温度、窑尾压强、进煤量、一次风速风温、二次风速风温、窑尾尾气中各成分的含量数据;S2:基于数值模拟技术建立数值模拟模型,对所述步骤S1中采集的数据进行验证;S3:基于步骤S2验证后的数据信息,并根据全局热平衡分析以及局部热平衡分析建立烧结温度的机理模型;S4:基于BP神经网络对步骤S3所述的机理模型建立误差补偿模型;S5:将所述机理模型与所述误差补偿模型计算得出的温度值相加,得到所需的温度预测结果。本发明根据热平衡分析建立烧结温度的机理模型,利用神经网络建立误差补偿模型,可以准确地预测出回转窑烧结温度。
-
公开(公告)号:CN113177332A
公开(公告)日:2021-07-27
申请号:CN202110256399.X
申请日:2021-03-09
申请人: 广东工业大学
IPC分类号: G06F30/23 , G16C20/10 , G06N3/08 , G06F119/08
摘要: 本发明公开了一种基于机理和数据相结合的回转窑烧结温度预测方法,包括:S1:采集回转窑的窑头温度、窑头压强、窑尾温度、窑尾压强、进煤量、一次风速风温、二次风速风温、窑尾尾气中各成分的含量数据;S2:基于数值模拟技术建立数值模拟模型,对所述步骤S1中采集的数据进行验证;S3:基于步骤S2验证后的数据信息,并根据全局热平衡分析以及局部热平衡分析建立烧结温度的机理模型;S4:基于BP神经网络对步骤S3所述的机理模型建立误差补偿模型;S5:将所述机理模型与所述误差补偿模型计算得出的温度值相加,得到所需的温度预测结果。本发明根据热平衡分析建立烧结温度的机理模型,利用神经网络建立误差补偿模型,可以准确地预测出回转窑烧结温度。
-
公开(公告)号:CN113211750B
公开(公告)日:2023-02-17
申请号:CN202110449055.0
申请日:2021-04-25
申请人: 广东工业大学
摘要: 本发明涉及温度控制方法领域,更具体地,涉及一种基于udf和数值模拟的注塑机料筒计量段温度控制方法。一种基于udf和数值模拟的注塑机料筒计量段温度控制方法,包括以下:S1:构建注塑机料筒计量段结构模型;S2:对S1中的结构模型建立传热数学模型,并根据加热圈的体积热源与注塑机料筒计量段温度的关系,求出料筒计量段的仿真温度;S3:基于udf函数设定温度值以及阈值,计算S2中的仿真温度与设定温度之间的偏差值,并判断偏差值是否超过阈值,若是,利用改进的遗传算法获取PID参数,进而对加热圈的体积热源进行整定,并将整定后的加热圈的体积热源传送给S2,若否,输出仿真温度;S4:基于S3不同时间输出的仿真温度,获取基于时间的温度控制线。
-
公开(公告)号:CN113119425A
公开(公告)日:2021-07-16
申请号:CN202110302729.4
申请日:2021-03-22
申请人: 广东工业大学
IPC分类号: B29C45/76
摘要: 本发明涉及注塑成型技术领域,更具体地,涉及一种基于改进支持向量机的注塑产品质量预测方法,本发明方法通过建立模流元分析模型,获得注塑成型参数对注塑件质量的影响规律,找到可能影响注塑质量的工艺参数和与之对应质量参数,通过对工艺参数进行田口实验,获取取样实验数据,通过对实验数据进行加权综合处理,构建注塑质量的综合评价,利用遗传模拟退火优化支持向量机建立注塑工艺参数与注塑质量之间的预测模型,利用预测模型可以得到准确性和可靠性都可以满足实用需求的预测结果。
-
公开(公告)号:CN113134956B
公开(公告)日:2023-02-24
申请号:CN202110444348.X
申请日:2021-04-23
申请人: 广东工业大学
IPC分类号: B29C45/76
摘要: 本发明公开了基于改进MLLE的注塑机异常检测方法,包括以下步骤:采集注塑机正常工况下的样本,沿变量展开为二维矩阵,得到样本集X,计算各样本点之间的灰色关联度,再求取样本点Xi的k个近邻点;根据邻近点,得到Xi的重构权值矩阵W,将样本点映射到低维空间计算低维嵌入,得到低维矩阵Y;定义映射矩阵A,使其满足Y=AX,求得矩阵A;依统计学及样本集X,得到统计量T2的阈值及统计量SPE的阈值SPEα;采集注塑机待检测工况下的样本,得到新样本集Xnew;依式Ynew=AXnew,得Xnew降维后的低维矩阵Ynew,然后求得待检测样本的统计量T2以及统计量SPE;如果或SPE>SPEα,表明注塑机出现异常工况,定位引起注塑机异常的变量。本发明能够实现更准确的数据重构,提高了注塑机异常检测的效率和精度。
-
公开(公告)号:CN113190974B
公开(公告)日:2022-06-21
申请号:CN202110383835.X
申请日:2021-04-09
申请人: 广东工业大学
IPC分类号: G06F30/20 , G06N3/08 , G06F119/08
摘要: 基于深度学习的辊道窑温度场多点预测方法,包括以下步骤:利用辊道窑传感器采集辊道窑中的各输入参数以及辊道窑中真实烧结温度;根据采集的输入参数,运用仿真软件对辊道窑的温度进行仿真,同时输出传感器测量不到的位置点的仿真烧结温度;根据输入参数、仿真烧结温度定义输入数据集,其包括输入参数矩阵及输入温度矩阵,基于Transformer,建立辊道窑温度场多点预测模型,编码器对输入参数矩阵进行编码,最后一个编码器的输出矩阵转化为查询矩阵键矩阵并作为每个解码器的输入,在解码阶段中,解码组件的输入包括输入温度矩阵,经过多个解码器解码,最后输出目前时间点的辊道窑烧结段的多点温度。本发明能够提高陶瓷产品质量和降低产品能耗。
-
公开(公告)号:CN113190974A
公开(公告)日:2021-07-30
申请号:CN202110383835.X
申请日:2021-04-09
申请人: 广东工业大学
IPC分类号: G06F30/20 , G06N3/08 , G06F119/08
摘要: 基于深度学习的辊道窑温度场多点预测方法,包括以下步骤:利用辊道窑传感器采集辊道窑中的各输入参数以及辊道窑中真实烧结温度;根据采集的输入参数,运用仿真软件对辊道窑的温度进行仿真,同时输出传感器测量不到的位置点的仿真烧结温度;根据输入参数、仿真烧结温度定义输入数据集,其包括输入参数矩阵及输入温度矩阵,基于Transformer,建立辊道窑温度场多点预测模型,编码器对输入参数矩阵进行编码,最后一个编码器的输出矩阵转化为查询矩阵键矩阵并作为每个解码器的输入,在解码阶段中,解码组件的输入包括输入温度矩阵,经过多个解码器解码,最后输出目前时间点的辊道窑烧结段的多点温度。本发明能够提高陶瓷产品质量和降低产品能耗。
-
公开(公告)号:CN113134956A
公开(公告)日:2021-07-20
申请号:CN202110444348.X
申请日:2021-04-23
申请人: 广东工业大学
IPC分类号: B29C45/76
摘要: 本发明公开了基于改进MLLE的注塑机异常检测方法,包括以下步骤:采集注塑机正常工况下的样本,沿变量展开为二维矩阵,得到样本集X,计算各样本点之间的灰色关联度,再求取样本点Xi的k个近邻点;根据邻近点,得到Xi的重构权值矩阵W,并将样本点映射到低维空间计算低维嵌入,得到低维矩阵Y;定义映射矩阵A,使其满足Y=AX,求得矩阵A;依统计学及样本集X,得到统计量T2的阈值及统计量SPE的阈值SPEα;采集注塑机待检测工况下的样本,得到新样本集Xnew;依式Ynew=AXnew,得Xnew降维后的低维矩阵Ynew,然后求得待检测样本的统计量T2以及统计量SPE;如果或SPE>SPEα,表明注塑机出现异常工况,定位引起注塑机异常的变量。本发明能够实现更准确的数据重构,提高了注塑机异常检测的效率和精度。
-
-
-
-
-
-
-
-
-