基于模糊神经网络的橡胶复合挤出生产线智能控制系统研究

By analyzing the status and existing problems of co-extrusion line in domestic rubber industry, following trend of equipment internationalization and requirement of green economy development and Intelligent manufacturing 2025, this project puts forward intensive study of each link that effect production efficiency and product weight during production, and sets up optimal control model for key link and expert diagnostic and intelligent control system for the whole production process via modern control theory and technology, such as fuzzy control and Neural network control,etc.. Use lab instruments and MATALAB software for simulation test of the optimal control model. After success of the test, the model will be applied to a real project to make a validation. After this project finished, research achievement application will improve control accuracy and intelligence degree of the equipment, and improve production efficiency and extruded product quality, which will raise equipment international competitiveness, and bring good benefit to equipment using enterprise. This project has research significance and practical application value.

项目通过分析国内橡胶复合挤出生产线控制系统的现状与存在问题，针对目前该设备日趋国际化以及国家发展绿色经济、智能制造2025的要求，提出从生产线中影响生产效率及制品重量的各环节进行深入研究，结合模糊控制、神经网络控制等现代控制理论与技术，建立关键环节的优化控制模型及生产线全过程专家诊断、智能控制系统。并利用实验室设备与MATALAB软件对研究出的控制模型进行模拟、仿真测试。测试成功后将控制模型转化移植到实际设备项目中进行实践验证。本项目完成以后，研究成果的应用将大大提高橡胶复合挤出生产线控制系统的控制精度与智能化程度，有效提升设备生产效率与挤出制品质量，不仅能够使该设备在国际上的竞争力得到提高，同时也给设备使用企业带来良好效益，是一项具有研究意义与实际应用价值的课题。

本项目在采集大量的复合挤出生产线的实际生产过程数据基础上，结合各个环节的生产工艺流程与控制要求进行深入分析，针对生产线关键环节建立了各自的数学模型，根据个环节特点设计了不同控制策略或不同的参数优化方法。主要包含以下方面：采用模糊PID控制供胶机实现恒张力供胶，以保证挤出机进料的稳定；复合机头的温度、压力控制比较复杂，耦合性强，结合径向基函数（RBF）神经网络与PID神经元结构，设计了一个基于RBF神经网络辨识模型与自适应控制的模型，采用优化RBF神经网络进行精确解耦控制；采用逆解耦Smith-LADRC控制器结合CPSO参数优化算法对挤出制品米重进行重量反馈控制；采用LADRC位置速度复合控制器对胎面定长裁断伺服系统进行控制，并采用粒子群算法优化控制器参数；针对故障样本稀少的情况，提出了一种基于多过滤器交互式特征选择集成自适应麻雀算法优化支持向量机的故障诊断新方法。经过对比仿真实验验证，所提出的各环节控制策略与生产线常规采用控制策略相比，能够有效地提高橡胶复合挤出生产线控制系统的稳定性、准确性，提升了生产线的智能化程度。

内容获取失败，请点击重试