Metoda i system inteligentnego sterowania maszyny oponyopowarowej W pomyśle będącym przedmiotem wynalazku opisany jest metoda i system inteligentnego sterowania maszyny oponyopowarowej, polegający na zdobywaniu danych o jednolitej grubości wyprodukowanych produktów, które odpowiadają różnym parametrom procesu maszyny oponyopowarowej; wcześniejszym przetwarzaniu parametrów procesowych, aby uzyskać standardowe sekwencje procesowe, kojarzeniu z odpowiadającymi im danymi o grubości, a następnie utworzeniu zbioru danych próbnych; utworzeniu sieci neuronowej wywoływanej i jej treningach na podstawie zbioru danych próbnych z przeznaczeniem na uzyskanie modelu prognozowania grubości; użyciu modelu prognozowania grubości jako funkcji dopasowania za pomocą algorytmu optymalizacji populacji cząstek do determinacji optymalnych parametrów procesu, a następnie sterowaniu maszyną oponyopowarową wykonywanej metody oponyopowarowej na podstawie optymalnych parametrów procesu. Wynalazek wykorzystuje model sieci neuronowej oraz algorytm optymalizacji do wyboru parametrów procesu metody oponyopowarowej, mających lepszą grubość, za pomocą których można sterować maszyną oponyopowarową, co umożliwia poprawę grubości wyprodukowanych produktów, spełnienie wymagań projektowych w zakresie nośności konstrukcyjnej, zmniejszenie zużycia surowców i obniżenie kosztów.

Przyszedł do świata wynalazek oparty na inteligentnym sposobie i systemie sterowania dla maszyny głębokiego formowania wtrysku, odnosząc się do dziedziny maszyn głębokiego formowania wtrysku. Metoda zawiera krok, realizowany na maszynie głębokiego formowania wtrysku, polegający na uzyskaniu danych ujednolicenia grubości wyładowanych produktów, odpowiadających różnym parametrom procesowym maszyny głębokiego formowania wtrysku, preprocesowaniu tych parametrów w celu uzyskania standardyzowanych sekwencji procesowych, łącząc je z odpowiednimi danymi ujednolicenia grubości, co daje początkowe dane próbne, oraz dalszego budowania zbiórka danych próbnych; budowaniu sieci neuronowej udarowej i jej trenowania za pomocą zbiórka danych próbnych, aby uzyskać model przewidywania ujednolicenia grubości; przyjmowania modelu przewidywania ujednolicenia grubości za pomocą funkcji fitness, a za pomocą algorytmu optymalizacji stada cząstek określenia optymalnych parametrów procesowych, a także sterowania maszyną głębokiego formowania wtrysku prawidłowym procesem formowania wtrysku zgodnie z powyższymi optymalnymi parametrami procesowymi. Wynalazek wykorzystuje model sieci neuronowej i algorytm optymalizacji do wyboru procesu formowania wtrysku, który umożliwia lepsze ujednolicenie grubości, sterowany maszyną głębokiego formowania wtrysku, dzięki czemu poprawia się ujednolicenie grubości wyładowanych produktów, które spełniają wymagania konstrukcyjne w zakresie wytrzymałości, zmniejsza się zużycie surowców i obniża koszty.

Country Code: CN

Application Number: CN202411148525.X