选用玄武岩纤维作为超高强混凝土(UHSC)的外掺料,研究其在不同掺量下对UHSC的力学性能的影响。通过试验考察了各配合比下的立方体抗压强度、棱柱体抗压强度、抗折强度、劈裂抗拉强度,分析了玄武岩纤维掺量对各项指标的影响。结果表明:玄武岩纤维对立方体抗压强度、棱柱体抗压强度、抗折强度和劈裂抗拉强度均有提高作用,尤其当玄武岩纤维掺量为2 kg/m^3时,以上各项指标分别提高了10.9%、14.1%、10.2%、11.0%。

为了精确在线辨识橡胶复合挤出机控制过程中主要干扰变量与内部耦合关系,更好地实现对挤出机温度压力耦合系统的精准控制,采用RBF神经网络进行系统辨识研究,同时结合PSO算法引入GA算法中编码、杂交、交叉、变异等概念,设计了混合型PSO算法进一步优化RBF神经网络,完成对温度压力耦合系统的精准在线辨识。借助MATLAB软件进行神经网络训练,辨识系统耦合关系,同时与混合型PSO算法优化神经网络权值所辨识的效果进行对比。试验结果表明:采用混合型PSO算法优化RBF神经网络训练效果更佳,可以实现RBF神经网络高精度系统辨识;混合型PSO算法优化RBF神经网络应用于挤出机温度压力控制系统辨识,可以在一定程度上提升系统的辨识精度以及挤出机械的智能化水平。

为了确定橡胶复合挤出机控制过程中主要干扰变量与内部耦合关系并较好实现温度压力控制系统的模型辨识自适应控制与精确解耦控制,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,用于完成对熔体温度、机头压力的模型辨识与自适应控制,并采用优化RBF神经网络进行精确解耦控制。利用MATLAB软件建立温度压力耦合系统的辨识模型,并与传统辨识模型和解耦方式进行对比。结果表明:在干扰作用下,基于优化RBF神经网络的系统具有较好的辨识能力,能自适应地完成系统解耦控制;采用优化RBF神经网络建立的耦合辨识模型的耦合辨识与解耦效果理想,可在一定程度上提高温度压力控制系统精度和挤出半成品质量,实现精密化挤出成型。

为提高橡胶挤出机Smith-模糊PID温度控制系统的控制精度,更好地实现智能整定参数与橡胶挤出机温度最优控制,采用混合粒子群(HPSO)算法优化Smith-模糊PID控制系统,完成对温度控制系统PID参数基准值的自动寻优。借助MATLAB软件辨识挤出机温控系统数学模型,搭建Smith-模糊PID温度控制系统。为避免粒子群(PSO)算法陷入局部最优,在PSO算法的基础上将社会因子分解为局部社会因子和全局社会因子,设计出HPSO算法对PID参数进行寻优;将HPSO算法优化系统前后的控制效果进

为了精准辨识橡胶挤出机Smith-模糊PID温度控制系统中的Smith预估模型,更好地实现温控系统滞后补偿控制,借助MATLAB软件搭建Smith-模糊PID温度控制系统,为避免产生“数据饱和”的现象,采用带遗忘因子递推最小二乘(FFRLS)辨识算法对Smith预估器的新、老数据给出不同的辨识信度进行辨识,并将FFRLS辨识优化前后的系统控制效果进行对比。实验结果表明:在不同程度干扰作用下,FFRLS辨识后的Smith预估控制器具有更好的延迟矫正能力与参数变化辨识能力;采用FFRLS辨识的