排序方式： 共有3条查询结果，搜索用时 78 毫秒
1.
为探究在改变引入进出风口流速配比等因素下的木材中心含水率的变化情况,使用DesignModeler及NX10.0建立木材干燥域的三维流场模型,并通过结合CFD及正交试验方法,对单个木材在给定的多组试验工况下进行模拟,得到了试验各因素下最佳水平的参数组合。结果表明,合理地配置进出风口流速及气流温湿度对降低木材中心含水率有明显影响,为强制进排风干燥过程中控制干燥进程,通过平衡进出风口流速来调整木材（中心）干燥速率提供了理论依据。
相似文献
2.
目的 针对结构较为复杂的并联式多轴联动的新型木工带锯送料平台加工精度较低，控制参数无法优化，有多种不确定因素影响精度等问题。结合遗传算法寻优速度快和递归神经网络具有抑制不确定性因素的优点，设计一种将递归神经网络和自适应遗传算法结合的全局优化的控制策略。 方法 分析送料平台结构和误差产生来源，从而建立了相应的误差源模型；结合自适应遗传算法优化RNN网络参数进而对PID参数进行优化，通过Matlab和Adams联合仿真的方法对该补偿控制策略进行验证，并与传统PID、遗传算法优化PID参数和RNN网络优化PID参数3种补偿控制算法进行对比；分析不同算法下控制参数、送料平台位移与角度变化曲线，并搭建了实际电路和控制器进行实验。 结果 分析仿真结果可知:该控制策略与其他3种控制策略相比，超调量最小，响应最快，大约在0.6 s达到稳定，且其在外部干扰下，更快达到稳定，大约0.3 s达到稳定。经过该控制策略补偿后，Y方向的偏移误差从补偿前6 mm降低至小于3 mm，X方向的偏移误差从6 mm降低到2 mm，倾斜角误差从5.5°减小至3°，平台轨迹曲线大部分曲线段与目标曲线完全重合；传统PID控制时，Y方向的偏移误差为6 mm，X方向的偏移误差6 mm，倾斜角误差5.5°，平台轨迹曲线与目标曲线偏差较大；遗传算法优化PID参数控制时，Y方向的偏移误差从补偿前6 mm降低至小于4.8 mm，X方向的偏移误差从6 mm降低到5 mm，倾斜角误差从5.5°减小至4.5°，平台轨迹曲线部分曲线段与目标曲线重合；RNN网络优化PID参数控制时，Y方向的偏移误差从补偿前6 mm降低至小于4.5 mm，X方向的偏移误差从6 mm降低到4.8 mm，倾斜角误差从5.5°减小至4°，平台轨迹曲线部分曲线段与目标曲线重合。 结论 该方法与其他3种方法相比，响应速度快，超调量小，具有很好的抗干扰性能和较强的鲁棒性，且可有效补偿误差，提高其运动精度，满足驱动要求。 相似文献
3.
目的送料平台是模仿木材锯切时人工送料研发的新型机构，平台末端姿态的准确性是保障锯切质量的关键。但是平台驱动支链多，误差从硬件方面进行控制很难实现，为提高板材曲线锯切时的送料精确度，本文提出一种补偿控制策略。方法运用拉格朗日法建立平台的动力学传递函数，通过动力学解析，分析平台关键部件的运动特征。通过数学解算、模拟仿真等方法，研究末端姿态的误差及其特性，从而建立相应的误差模型；以传统PID控制为基础，融合RBF神经网络进行参数优化，设计适用于送料平台的单神经元PID控制器，用以补偿各支链的驱动位移误差，实现实时补偿控制；运用Matlab和Adams联合仿真的方法对补偿控制策略进行验证和分析，并将成功的算法移植到试验台控制器中进行板材锯切试验。结果经文中设计的单神经元PI经文中设计的单神经元PID算法补偿后，送料平台末端轨迹曲线在X、Y方向偏移误差从补偿前的3 mm降至小于等于1.5 mm，倾斜角误差从补偿前的3.5°降至1.5°，平台末端轨迹曲线与指令曲线相比，在大部分曲线段完全重合。结论文中所设计的单神经元PID补偿控制策略可以有效提高木工锯送料平台末端姿态的准确性，经过补偿控制的送料平台可以实现板材的精密曲线锯切任务。 相似文献
