摘要
注塑机作为现代工业中重要的塑料件生产与制造设备,其智能化发展一直备受业界关注.伴随着航空航天、电力电子、汽车制造等行业的发展,如何实现对注塑件的高精度、高效率、绿色节能化生产,是目前注塑机的重要研制方向.本文针对注塑成型过程中采用传统模型预测控制(Model Predictive Control, MPC)难以保证跟踪控制实时性的问题,提出一种结合深度神经网络(Deep Neural Network, DNN)学习的注塑过程预测控制方法.在注塑机注射过程动力学模型基础上,创建带约束条件的模型预测控制器,对控制器运行数据进行采集并用以训练深度神经网络,实现了基于深度神经网络控制的注射速度的跟踪预测控制.仿真实验结果表明,采用本文所提出的学习预测控制策略能够有效避免注塑过程中因模型预测控制所产生的复杂计算,并满足工业实时性要求,具有应用前景.
基金项目
国家自然科学基金(62073088)
国家自然科学基金(U1911401)
广东省重点领域研发计划(2021B0101200005)
广东省基础与应用基础研究基金(2019A1515011606)
维普
万方数据