导读:本文包含了控制状态及过程论文开题报告文献综述及选题提纲参考文献，主要关键词:生产车间,统计过程控制,状态,监控
控制状态及过程论文文献综述
张勃,赵林,朱杰[1]（2019）在《基于统计过程控制的生产车间状态智能监控研究》一文中研究指出在加工车间数字化建设过程中,存在信息流与实物流脱节、生产过程不透明等问题。针对这些问题,基于统计过程控制对生产车间的状态智能监控进行了研究。在研究中,对车间物联网的构建进行了分析,并设计了加工设备数据采集总体框架、数据模型与实时数据库系统。采用统计过程控制方法,实现生产车间状态的智能监控、预测与预警。通过研究与应用验证,确认基于统计过程控制的生产车间状态智能监控效果良好。(本文来源于《机械制造》期刊2019年10期）
谢春[2]（2019）在《基于槽状态综合评估模型的铝电解过程槽电压优化控制策略研究》一文中研究指出随着能源问题的日益突出,寻找节能降耗的生产技术已经成为企业实现可持续发展的努力方向。铝电解生产中,降低槽电压可有效降低直流电耗,然而槽电压不可直接控制。为此,本文提出基于槽状态综合评判模型的铝电解过程槽电压智能优化控制策略。首先,建立了一个基于自适应模糊C均值聚类算法(FCM)的槽状态评判模型。从全局的角度建立关于能量平衡、物料平衡、稳定性的槽状态综合指标模型,采用自适应的FCM算法进行槽状态评判,根据综合指标的大小将槽状态分成优、良、差叁类。采用实际生产数据进行实验,验证了所建立的模型可有效评判槽状态类别,并具有较好的精度。然后,在槽状为优的情况下,以生产工艺条件为约束条件,以槽电压最低为目标,建立了槽电压优化控制模型,为节能生产提供控制方案。采用蚁狮算法(ALO)优化的最小二乘向量机(LSSVM)建立了槽电压的函数估计模型,并采用ALO寻找优化槽电压值及对应的生产条件参数。经实验验证,所建立的槽电压预测模型可达到较好的精度,且ALO算法可搜索到一组优化槽电压值及对应生产条件参数,该组参数具有较好的节能效果。接着,在槽状态为良的情况下,引入自回归移动平均-模糊神经网络(ARMA-FNN)方法进行槽状态预测,以实际生产操作要求为约束条件,以槽电压和槽状态回归最优为目标,建立了槽电压优化设定模型,采用多目标蚁狮优化算法(MOALO)求解得到一组优化设定值。实验仿真结果表明,将优化设定值下发控制系统后槽状态逐渐稳定并往优状态发展。最后,将本文所提出的方法在电解槽运行控制系统平台上进行验证。实验表明将槽电压优化模型的可控参数下发控制系统,可将槽电压控制在最优范围内,达到节能降耗的目的。若槽状态恶化,对操作参数做相应调整,槽状态可逐渐走向优良。(本文来源于《广西大学》期刊2019-05-01）
张瑛,于朝,沈刚[3]（2018）在《基于延时补偿和叁状态控制的筒盖开关盖过程控制（英文）》一文中研究指出我国舰艇导弹发射装置开关盖部分一直以来均采用液压系统配合以开环单向控制的方式执行动作,造成动作精度无法保证,成为制约系统发展的一个重要原因。为提高开关盖过程的控制精度,以电液位置-力闭环控制系统为控制对象,利用延时补偿解决换向阀换向过程中的液压冲击问题,利用叁状态控制器提高动作精度。对设计的控制器进行实验,利用两液压缸分别模拟开关盖过程中的动作和井盖重力引起的干扰力,实现对干扰的抑制,提高动作精度。实验表明:该控制策略能够很好地提高开关盖的动作精度。(本文来源于《机床与液压》期刊2018年06期）
孙丽杰[4]（2018）在《带钢厚度优化控制与轧制过程健康状态诊断方法研究》一文中研究指出带钢厚度是热连轧机产品质量最主要的评价指标之一。随着汽车、家电、食品包装、建筑等行业对轧制产品质量要求的提高,轧制过程对带钢厚度控制性能的要求也随之提高。由于轧制工艺具有高度复杂性,实现板厚高精度控制仍然存在很大困难。本文以进一步改善出口板厚控制精度为目的,从带钢厚度优化控制和轧制过程健康状态诊断两个方面展开研究。本文主要内容如下:1.针对热连轧机厚度设定模型系统中,带钢厚度不能直接测量,且现有带钢厚度预测模型精度不高的问题,提出基于D-S信息重构的带钢厚度软测量预测方法(DSIRPM)。首先,根据ibaAnalyzer分析软件和图相关分析方法确定敏感轧制参数;然后,分别运用敏感轧制参数进行最小二乘多项式曲线拟合获得初始带钢厚度预测值;最后,利用灰色关联分析计算敏感轧制参数对带钢厚度贡献率,并将其作为D-S证据理论的基本概率分配函数对初始带钢厚度预测值进行融合,以获得带钢厚度最终预测结果。通过与单一最小二乘多项式曲线拟合模型、GM(1,1)模型和加权平均融合方法对比,结果表明DSIRPM具有较好的预测精度和稳定性。2.针对热连轧机监控厚度自动控制(AGC)系统具有时滞、参数时变等特性导致传统控制手段很难获得满意的控制效果的问题,本文从建立出口板厚多步预测模型和优化控制器参数两方面出发,提出一种基于时间序列预测的出口板厚优化控制策略。一方面,引入分形外推插值算法给出了考虑时滞的预测模型,并利用混沌优化算法确定分形外推插值算法中的垂直尺度因子,建立改进分形外推插值预测(IFEIP)方法用于补偿时滞造成的系统不确定性;将IFEIP方法与现有的ARIMA模型、BPNN和发展的RARIMA模型、ARIMABPNN混杂模型进行对比实验分析,结果表明IFEIP方法是一种具有较优性能的出口板厚预测模型。另一方面,为进一步解决系统时滞、参数时变等不确定性导致常规PID控制器难以保证带钢出口板厚鲁棒控制的问题,提出基于综合小波互相关度的时滞评估方法来确定滞后步长,并将IFEIP方法与控制器相结合,建立基于时间序列预测的出口板厚控制模式;利用阶梯式DMC优化PID控制器参数用于解决参数时变问题,使得PID控制器参数能够根据不同工况变化自适应调整,保证带钢出口厚度控制的稳定性和鲁棒性。仿真结果表明,与传统监控AGC、Smith-AGC和IFEIP-AGC控制方法相比,本文方法有效地缓解了由时滞引起的出口板厚控制超调和振荡现象,并且在有外部干扰及模型参数失配情况下,具有较好的动静态特性。3.为了保证热连轧机带钢厚度长期控制性能的稳定性,从轧制过程运行健康状态角度出发,利用模糊集和深度置信网络提出一种轧制过程健康状态诊断方法。首先,针对轧制过程介于故障与正常之间的“病态”运行状态,提出健康度概念对其进行描述,利用模糊集定义健康度来定量描述轧制过程健康水平并划分健康等级;然后,针对轧制数据具有“大数据”和不均衡特性,采用带有惩罚因子的深度置信网络实时计算监测数据对应于轧制过程健康状态集的模糊隶属度,由隶属度到健康度的模糊映射关系获得轧制过程的健康度,实现轧制过程健康状态评估;最后,对照健康状态划分表确定轧制过程健康等级并给出基于FIDBN方法的运维决策。实验结果表明FIDBN能够实时监测轧制过程健康度,并且在保证较高轧制过程健康状态整体诊断率的同时提高了少数故障状态诊断率,为维护轧制过程健康质量提供了重要的依据。(本文来源于《大连理工大学》期刊2018-03-13）
[5]（2018）在《连铸过程状态深度感知与智能优化控制》一文中研究指出随着钢铁工业的发展,连铸生产设备日趋精良,工艺管理与控制日趋精细化、智能化。顺应趋势,东北大学谢植教授团队近二十年来一直致力于连铸智能化的系统工作,见图1。相应的技术支持主要来自叁个方面,即参数检测、工艺模型与优化控制。其中:参数检测是信息的最原始来源,(本文来源于《世界金属导报》期刊2018-01-16）
刘利平,姜丽宁,唐应辉[6]（2017）在《具有随机漂移和多状态的可修系统的统计过程控制与视情维修整合优化设计》一文中研究指出考虑系统发生漂移程度未知的情形,研究了面向可修系统的统计过程控制和视情维修的整合优化设计问题.文章首先假定系统的状态可以划分为正常、异常和故障3种,系统输出的漂移服从瑞丽分布且系统的状态通过控制图进行监控.基于系统的演化过程分析了系统可能出现的各种情形,利用更新理论得到了统计过程控制与视情维修整合优化设计模型,并给出了相应的求解算法.最后,通过仿真对文章提出的整合模型与考虑漂移为确定性的情形进行了比较分析,并对参数进行了灵敏度分析.(本文来源于《系统科学与数学》期刊2017年05期）
王永翔[7]（2017）在《基于状态反馈的四容水箱过程控制系统设计》一文中研究指出本文主要工作是使用状态反馈的方式,分别使用极点配置的方法和LQR控制的方法设计控制器,并将控制器应用在四容水箱状态反馈控制系统中,实现对水箱液位的控制。首先对四容水箱过程控制系统实验平台及涉及到的相关基础知识进行介绍,主要包括硬件部分、软件部分、物理模型等几个方面。根据物理模型建立四容水箱系统的数学模型,结合Simulink搭系统模型,并使用Matlab对系统模型进行仿真,验证了研究方法的可行性。然后针对四容水箱这一实际被控对象,找出系统合适的工作点,基于工作点上的系统状态辨识出四容水箱这一双输入双输出系统的较为精确的数学模型,然后将数学模型转换为状态空间方程,为后面状态反馈的研究建立基础。本文使用两种方法设计状态反馈控制器,分别为极点配置的方法和LQR控制方法,使用状态反馈的反馈方式构建闭环控制系统应用在四容水箱系统的液位高度控制上。在极点配置的控制设计部分,使用将多输入系统化为单输入系统的极点配置方法,首先判定A矩阵为循环矩阵,然后按照单输入系统极点配置方法步骤得到状态反馈矩阵K,最后设计完成状态反馈加积分校正的反馈控制系统,并分别在Matlab和实验平台上验证控制器的控制效果。在LQR控制设计部分,选取简单的Q矩阵和R矩阵,使用线性二次型最优控制的方法求取反馈增益矩阵K,并结合Matlab使用LQI的方法设计完成一个状态反馈的LQR最优输出跟踪控制系统,分别在Matlab和实验平台上进行验证,取得了较好的控制效果。(本文来源于《北方工业大学》期刊2017-05-08）
洪英东,熊智华,江永亨,叶昊[8]（2017）在《间歇过程点对点迭代学习控制的初始状态误差分析》一文中研究指出针对间歇过程点对点跟踪控制问题,在轨迹更新的迭代学习控制算法框架下,针对非理想初始状态情况下3种不同的初始误差,通过2D Roesser模型对其进行描述并分析其收敛性。给出了不同的情况下系统相对参考轨迹的零误差跟踪或者收敛到特定邻域的条件,在零误差跟踪不能实现的情况下给出了邻域的范围。通过数值模型仿真验证了给出的收敛条件和收敛边界,并分析了不同因素对收敛边界的影响。(本文来源于《化工学报》期刊2017年07期）
朱杰宝[9]（2017）在《脊柱手术机器人磨削过程状态感知与安全控制》一文中研究指出作为骨科的一个分支,脊柱外科是一门具有高技术、高风险的学科。手术中医生需要在狭小的空间完成复杂的动作,难免会因为疲劳或视野不足等原因增大手术风险,严重时导致手术失败。机器人以其高定位精度、高稳定性等特点,改善传统手术模式,辅助医生完成手术操作。就椎板磨削而言,目前使用机器人辅助医生完成椎板磨削手术的相关研究比较少,且很多关键技术仍然处于研究阶段,亟需进一步探讨。所以本文将以椎板磨削为研究背景,对脊柱手术机器人系统的相关技术领域进行研究,包括导航注册算法及自动注册的研究、基于电流的状态感知及变速磨削、基于虚拟夹具的磨削控制及椎板磨削实验。本文将对注册算法展开研究,针对已有算法精度低、计算量大等缺点,提出一种新的注册算法Tetrahedral Framework registration algorithm(简称TF),该算法使用叁点配准,多点优化,过程简单易懂、计算量小,并最终实现高精度配准。为了实现高效配准,本文将推出一款基于标记点的自动注册器,实现导航系统自动注册。为了模拟医生手感,对机器人的状态感知进行了研究,并以电流信号为基础,通过小波去噪、变化率阈值去突变、归一化等处理,完成了骨组织的状态识别,从而实现机器人的状态感知。本文将基于状态感知对变速磨削进行探讨,当没有接触到骨头的时候提高进给速度,当接触到骨头的时候减慢进给速度,并认为变速磨削方式可以实现安全高效磨削。为实现对机器人磨削路径的精确引导,本文将提出引入导纳因子的引导型虚拟夹具和基于位置补偿的阻尼型虚拟夹具,实现曲线跟踪和阻止机器人进入特定区域的任务。最后本文将融合机器人导航系统、状态感知和运动约束等技术实现安全高效的椎板磨削实验。(本文来源于《哈尔滨工业大学》期刊2017-01-01）
师伟,陈冕[10]（2016）在《航空发动机试验测试过程的技术状态控制》一文中研究指出针对航空发动机高空模拟试验测试过程,以试验测试流程为基础,对试验测试过程中的技术状态进行分析研究,建立了一套实用可行的技术状态控制方法,并将其集成到信息化管理平台,应用于航空发动机试验测试过程的整个生命周期,保证试验测试结果的一致性和可追溯性。(本文来源于《2016航空试验测试技术学术交流会论文集》期刊2016-07-15）
控制状态及过程论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着能源问题的日益突出,寻找节能降耗的生产技术已经成为企业实现可持续发展的努力方向。铝电解生产中,降低槽电压可有效降低直流电耗,然而槽电压不可直接控制。为此,本文提出基于槽状态综合评判模型的铝电解过程槽电压智能优化控制策略。首先,建立了一个基于自适应模糊C均值聚类算法(FCM)的槽状态评判模型。从全局的角度建立关于能量平衡、物料平衡、稳定性的槽状态综合指标模型,采用自适应的FCM算法进行槽状态评判,根据综合指标的大小将槽状态分成优、良、差叁类。采用实际生产数据进行实验,验证了所建立的模型可有效评判槽状态类别,并具有较好的精度。然后,在槽状为优的情况下,以生产工艺条件为约束条件,以槽电压最低为目标,建立了槽电压优化控制模型,为节能生产提供控制方案。采用蚁狮算法(ALO)优化的最小二乘向量机(LSSVM)建立了槽电压的函数估计模型,并采用ALO寻找优化槽电压值及对应的生产条件参数。经实验验证,所建立的槽电压预测模型可达到较好的精度,且ALO算法可搜索到一组优化槽电压值及对应生产条件参数,该组参数具有较好的节能效果。接着,在槽状态为良的情况下,引入自回归移动平均-模糊神经网络(ARMA-FNN)方法进行槽状态预测,以实际生产操作要求为约束条件,以槽电压和槽状态回归最优为目标,建立了槽电压优化设定模型,采用多目标蚁狮优化算法(MOALO)求解得到一组优化设定值。实验仿真结果表明,将优化设定值下发控制系统后槽状态逐渐稳定并往优状态发展。最后,将本文所提出的方法在电解槽运行控制系统平台上进行验证。实验表明将槽电压优化模型的可控参数下发控制系统,可将槽电压控制在最优范围内,达到节能降耗的目的。若槽状态恶化,对操作参数做相应调整,槽状态可逐渐走向优良。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
控制状态及过程论文参考文献
[1].张勃,赵林,朱杰.基于统计过程控制的生产车间状态智能监控研究[J].机械制造.2019
[2].谢春.基于槽状态综合评估模型的铝电解过程槽电压优化控制策略研究[D].广西大学.2019
[3].张瑛,于朝,沈刚.基于延时补偿和叁状态控制的筒盖开关盖过程控制（英文）[J].机床与液压.2018
[4].孙丽杰.带钢厚度优化控制与轧制过程健康状态诊断方法研究[D].大连理工大学.2018
[5]..连铸过程状态深度感知与智能优化控制[N].世界金属导报.2018
[6].刘利平,姜丽宁,唐应辉.具有随机漂移和多状态的可修系统的统计过程控制与视情维修整合优化设计[J].系统科学与数学.2017
[7].王永翔.基于状态反馈的四容水箱过程控制系统设计[D].北方工业大学.2017
[8].洪英东,熊智华,江永亨,叶昊.间歇过程点对点迭代学习控制的初始状态误差分析[J].化工学报.2017
[9].朱杰宝.脊柱手术机器人磨削过程状态感知与安全控制[D].哈尔滨工业大学.2017
[10].师伟,陈冕.航空发动机试验测试过程的技术状态控制[C].2016航空试验测试技术学术交流会论文集.2016