CN114879777A - 复合材料热固化成型模具温度场的预测控制方法 - Google Patents
复合材料热固化成型模具温度场的预测控制方法 Download PDFInfo
- Publication number
- CN114879777A CN114879777A CN202210730134.3A CN202210730134A CN114879777A CN 114879777 A CN114879777 A CN 114879777A CN 202210730134 A CN202210730134 A CN 202210730134A CN 114879777 A CN114879777 A CN 114879777A
- Authority
- CN
- China
- Prior art keywords
- temperature
- prediction
- representative
- vector
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 229920001187 thermosetting polymer Polymers 0.000 title claims abstract description 42
- 239000002131 composite material Substances 0.000 title claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 74
- 230000004044 response Effects 0.000 claims abstract description 34
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 238000010438 heat treatment Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 238000000465 moulding Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 7
- 238000001723 curing Methods 0.000 claims description 5
- 238000001029 thermal curing Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 claims 1
- 239000006185 dispersion Substances 0.000 claims 1
- 230000008569 process Effects 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 239000000805 composite resin Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 101150036841 minJ gene Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Moulds For Moulding Plastics Or The Like (AREA)
Abstract
本发明涉及一种复合材料热固化成型模具温度场的预测控制方法,步骤1)建立模具B个外加热源ub对应的单位阶跃响应方程,对单位阶跃响应方程进行离散,得到D个离散节点zd的单位阶跃响应;2)设采样周期为Δτ,利用单位阶跃响应构造模具的D个映射特征向量,对映射特征向量进行聚类,确定C个代表性空间点zc并建立当前时刻τk的代表性空间点温度预测模型;3)根据温度预测模型,设预测时域为P,设计模具温度场的预测控制器;4)在模具内部设置M个温度测量点,构造当前时刻τk的温度测量点预测偏差向量与代表性空间点预测偏差向量之间的关联;5)根据所述关联,设计温度预测模型的反馈校正;6)完成控制。本方法可提高对模具温度场的控制精度。
Description
技术领域
本发明属于物理中复合材料热固化成型过程的温度控制技术领域,具体涉及一种复合材料热固化成型模具温度场的预测控制方法。
背景技术
以碳纤维增强复合材料(CFRP)等为代表的先进热固性树脂基复合材料,以其轻质高强、耐高温、抗腐蚀和热力学性能稳定等优良品质,正在被越来越多地应用于航空航天、造船、汽车制造和大型风力发电机叶片制造等工程领域。
热固性树脂基复合材料制备与复合材料构件能够通过热固化实现一次性整体化成型。但是,树脂热固化伴随着一系列复杂的力-热-化学多场耦合的物理化学过程,固化反应动力学参数场与温度场相互影响,在复合材料内部形成内热源,影响复合材料的瞬态温度场。在线调控复合材料热固化成型模具的外加热源,保证复合材料内部瞬态温度场的均匀性,对于提高复合材料构件质量和降低制造成本等至关重要;要求在复合材料固化成型前,通过调节外加热源,将模具温度场预热到指定的均匀温度场,在复合材料固化成型过程中,也需要通过调节外加热源对模具的温度场进行控制,保证复合材料固化成型体系始终具有满足要求的温度场。
模具温度场控制是一类分布输出控制问题。作为控制输出的温度场对模具外加热源的响应具有无限维特征。由于受到测量条件的限制,现有技术中,只能通过有限个模具温度传感器获得模具温度场中若干温度测量点处的温度测量信息,将模具温度场控制任务处理为温度测量点处温度的多变量控制问题。然而,模具温度传感器的布置依赖于经验,难以有效地覆盖完整的温度场响应,目前的温度控制方案难以保证模具具有满足要求的瞬态温度场。
发明内容
针对现有技术的上述不足,本发明要解决的技术问题是提供一种复合材料热固化成型模具温度场的预测控制方法,避免目前的模具温度场控制方法难以有效地覆盖完整的温度场响应,对模具温度的预测和控制效果不佳的问题。
为解决上述技术问题,本发明采用如下技术方案:
复合材料热固化成型模具温度场的预测控制方法,包括如下步骤:
1)建立热固化成型模具B个外加热源ub(b=1,2,…,B)对应的B个单位阶跃响应方程,对单位阶跃响应方程进行离散,得到D个离散节点zd(d=1,2,…,D)的单位阶跃响应;
2)设置采样周期为Δτ,利用单位阶跃响应构造热固化成型模具的D个映射特征向量,对D个映射特征向量进行聚类,确定C个代表性空间点zc(c=1,2,…,C),并建立当前时刻τk的C个代表性空间点温度预测模型;
3)根据当前时刻τk的C个代表性空间点温度预测模型,设置预测时域为P,设计热固化成型模具温度场的预测控制器;
4)在热固化成型模具内部设置M个温度测量点,构造当前时刻τk的温度测量点预测偏差向量EM(k)与代表性空间点预测偏差向量EC(k)之间的关联;
5)根据当前时刻τk的温度测量点预测偏差向量EM(k)与代表性空间点预测偏差向量EC(k)之间的关联,设计代表性空间点温度预测模型的反馈校正环节;
6)在当前时刻τk利用步骤3)中所述的预测控制器,确定热固化成型模具外加热源的增量向量Δu(k),完成当前时刻τk的控制决策,在下一时刻τk+1,根据温度测量点的测量信息,利用步骤5)中所述的反馈校正环节,对代表性空间点温度预测模型进行反馈校正,然后再利用步骤3)中所述的预测控制器,完成时刻τk+1的控制决策。
相比现有技术,本发明具有如下有益效果:
本发明的复合材料热固化成型模具温度场的预测控制方法,根据热固化成型模具传热过程的映射特征,利用模糊c均值聚类提取有限个代表性空间点,对完整的温度场响应进行有效地覆盖,将无限维的温度场控制问题简化为有限个代表性空间点温度的预测控制问题;并通过建立模具温度测点处温度响应与代表性空间点温度响应之间的关联,利用温度测量点的预测偏差重构代表点的预测偏差,对代表点的预测温度进行反馈校正,从而实现模具温度场的反馈校正,提高对模具温度的预测准确性,便于调节外加热源,在复合材料固化成型前和复合材料固化成型过程中,更有效地控制模具和复合材料内部温度场,提高模具温度场的控制精度。
附图说明
图1为实施例的复合材料热固化成型模具系统的示意图;
图2为实施例的复合材料热固化成型模具温度场控制过程热源强度的变化曲线图;
图3为实施例的复合材料热固化成型模具温度场的预测控制方法中τ=500s时模具输出面温度场控制结果示意图;
图4为实施例的复合材料热固化成型模具温度场的预测控制方法中τ=2000s时模具输出面温度场控制结果示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
具体实施例的复合材料热固化成型模具温度场的预测控制方法,包括如下步骤:
㈠建立热固化成型模具全部B个外加热源ub(b=1,2,…,B)对应的B个单位阶跃响应方程,并采用有限元(FEM)方法对单位阶跃响应方程进行离散,求解D个离散节点zd(d=1,2,…,D)的单位阶跃响应;
㈡设置采样周期为Δτ,利用单位阶跃响应构造模具的D个映射特征向量,采用模糊c均值(FCM)聚类技术,对D个映射特征向量进行聚类,确定C个代表性空间点zc(c=1,2,…,C),并建立当前时刻τk的C个代表性空间点温度预测模型;
㈢根据当前时刻τk的C个代表性空间点温度预测模型,设置预测时域为P,采取滚动优化策略,设计热固化成型模具温度场的预测控制器;
㈣在模具内部设置M个温度测量点,构造当前时刻τk的温度测量点预测偏差向量EM(k)与代表性空间点预测偏差向量EC(k)之间的关联;
㈤根据当前时刻τk温度测量点预测偏差向量EM(k)与代表性空间点预测偏差向量EC(k)之间的关联,设计代表性空间点温度预测模型的反馈校正环节;
㈥在当前时刻τk利用步骤㈢中模具温度场的预测控制器,确定模具外加热源的增量向量Δu(k),完成当前时刻τk的控制决策,在下一时刻τk+1,根据温度测量点的测量信息,利用步骤㈤中代表性空间点温度预测模型的反馈校正环节,对代表性空间点温度预测模型进行反馈校正,进一步,采用步骤㈢中模具温度场的预测控制器完成时刻τk+1的控制。
进一步讲,本发明在步骤㈠中所述的单位阶跃响应方程为:
ab(0,z)=0,z∈Ω,b=1,2,…,B 式(2)
式(1)-式(4),为温度场t(τ,z)对第b个外加热源ub(τ)的单位阶跃响应;Ω为模具所在空间区域;为施加第b个外加热源ub(τ)的区域;z为空间坐标;ρ为密度;c为比热容;λ为导热系数;h为对流换热系数;和nsur分别为模具的外表面及其外法线方向;和ncav分别为模具的型腔表面及其外法线方向。
本发明步骤㈠中所述的D个离散节点zd(d=1,2,…,D)的单位阶跃响应具体为ab(τ,zd)(b=1,2,…,B;d=1,2,…,D)。需要说明的是,由于FEM方法为本领域技术人员的公知常识,计算过程不再赘述。
更进一步讲,步骤㈡所述的设置采样时间间隔Δτ,利用单位阶跃响应构造D个映射特征向量φ(zd)(d=1,2,…,D),具体为:
在离散节点zd处,模具的B个输入ub(b=1,2,…,B),在不同时刻的单位阶跃响应可能存在明显差异,首先需要对α(τp,zd)=[ab(τp,zd)]1×B进行归一化处理:
其中,τp=p·Δτ。
步骤㈡中所述的映射特征向量模糊c均值(FCM)聚类首先需要构造如下优化问题:
wdc>0,c=1,2,…,C,d=1,2,…,D 式(9)
式(7)-式(9),||·||为欧几里得范数;C为类别数;wdc为第d个特征向量φ(zd)对于第c类的隶属度,W=[wdc]D×C;vc为聚类中心,V=[vc]1×C。
运用拉格朗日乘子法,获得约束条件下,目标函数最小的必要条件:
通过迭代求解式(10)和式(11),确定φ(zd)的聚类中心vc(c=1,2,…,C)和对应的隶属度wdc(c=1,2,…,C,d=1,2,…,D)。
步骤㈡中所述的C个代表性空间点zc(c=1,2,…,C)由聚类中心与特征向量距离最短的原则确定。如果空间节点zd的特征向量φ(zd)与第c个聚类中心vc的距离最小,则该节点zd是一个代表性空间点zc。记代表性空间点集为Ψ,则:
步骤㈡中所述当前时刻τk的C个代表性空间点温度的预测模型如下:
ΔU(k)=[Δu(k),Δu(k+1),…,Δu(k+P-1)]T,Δu(k+p)=[Δub(k+p)]1×B,p=1,2,…,P
再进一步讲,温度场预测控制的目标在于,通过控制输入ub(τ)(b=1,2,…,B)的协调优化,保证温度场t(τ,z)充分地跟踪预设定的温度场tref(τ,z)。本发明步骤㈢中所述的设计热固化模具温度场的预测控制器,具体步骤为:
首先,利用代表性空间点温度的预测模型(式(13)),建立优化目标函数minJ[ΔU(k)]:
进而,令J[ΔU(k)]对时序输入向量ΔU(k)求导,并取d{J[ΔU(k)]}/d[ΔU(k)]=0,得预测时域P内温度场的最优控制律ΔU(k):
其中,IB为B阶单位阵。
最后,利用取首元矩阵HB=[IB,0,0,…,0]1×P,获取在当前时刻k的最优控制输入Δu(k):
Δu(k)=HB·ΔU(k) 式(16)
再进一步讲,步骤㈣中所述的当前时刻τk的温度测量点预测偏差向量EM(k)与代表性空间点预测偏差向量EC(k)之间的关联具体为:
EM(k)=Θ·EC(k) 式(17)
再进一步讲,本发明步骤㈤所述的代表性空间点的反馈校正环节,具体包括:
利用温度测量点的预测偏差向量ε(k+1,zm)(m=1,2,…,M)估计代表性空间点的预测偏差向量ε(k+1,zc)(c=1,2,…,C),即:
EC(k+1)=(ΘT·Θ+γE·IC)-1·ΘT·EM(k+1) 式(21)
其中,IC是C阶单位阵。
最后,为两类空间点的先验初始预测向量补偿预测偏差向量,完成时刻τk+1代表性空间点预测模型的反馈校正,具体为:
本发明可克服传统以有限测点温度控制替代模具温度场控制存在的弊端;本发明根据热固化成型模具传热过程的映射特征,利用模糊c均值聚类提取有限个代表性空间点,对完整的温度场响应进行覆盖,将模具温度场的预测控制转化为代表性空间点温度的预测控制问题;根据代表性空间点温度的预测模型建立模具外加热源的滚动优化策略,并通过建立模具温度测点处温度响应与代表性空间点温度响应之间的关联,利用温度测量点的预测偏差重构代表点的预测偏差,对代表点的预测温度进行反馈校正,从而实现模具温度场的反馈校正,提高对模具温度的预测准确性,便于提高模具温度场的控制精度。
以下给出一个采用本发明方法进行模具预热过程温度场控制的算例。
如图1(a),S1,S2,S3,S4 S5分别是试验模具的5个外加热源。面z=0.0m距模具顶面0.03m,z=-0.05m为输出面,如图1(b),试验模具材料的导热系数λ=76.2W/(m2·℃),密度ρ=7870kg/m3,比热容cp=440J/(kg·℃)。外表面对流换热系数h=10W/(m2·℃),环境温度tamb=20℃,其他壁面绝热。模具初始温度场t0(z)=20℃。
模具预热过程的控制任务为,将模具输出面的温度从20℃均匀地调控至300℃。根据控制任务,将预测控制的参考轨迹设置为:tref(τ,z)=20+(300-20)(1-e-τ/200)℃,τ>0。取类别数C=5、离散节点数D=1102、采样周期Δτ=10s、预测时域P=200、抑制系数γU=10-11以及正则化参数γE=0。控制过程中5个内部加热源的变化见图2。τ=500s时和τ=2000s时模具输出面温度场的控制结果见图3和图4。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.复合材料热固化成型模具温度场的预测控制方法,其特征在于:包括如下步骤:
1)建立热固化成型模具B个外加热源ub(b=1,2,…,B)对应的B个单位阶跃响应方程,对单位阶跃响应方程进行离散,得到D个离散节点zd(d=1,2,…,D)的单位阶跃响应;
2)设置采样周期为Δτ,利用单位阶跃响应构造热固化成型模具的D个映射特征向量,对D个映射特征向量进行聚类,确定C个代表性空间点zc(c=1,2,…,C),并建立当前时刻τk的C个代表性空间点温度预测模型;
3)根据当前时刻τk的C个代表性空间点温度预测模型,设置预测时域为P,设计热固化成型模具温度场的预测控制器;
4)在热固化成型模具内部设置M个温度测量点,构造当前时刻τk的温度测量点预测偏差向量EM(k)与代表性空间点预测偏差向量EC(k)之间的关联;
5)根据当前时刻τk的温度测量点预测偏差向量EM(k)与代表性空间点预测偏差向量EC(k)之间的关联,设计代表性空间点温度预测模型的反馈校正环节;
6)在当前时刻τk利用步骤3)中所述的预测控制器,确定热固化成型模具外加热源的增量向量Δu(k),完成当前时刻τk的控制决策,在下一时刻τk+1,根据温度测量点的测量信息,利用步骤5)中所述的反馈校正环节,对代表性空间点温度预测模型进行反馈校正,然后再利用步骤3)中所述的预测控制器,完成时刻τk+1的控制决策。
3.根据权利要求1所述的复合材料热固化成型模具温度场的预测控制方法,其特征在于:并采用有限元法对单位阶跃响应方程进行离散,D个离散节点zd(d=1,2,…,D)的单位阶跃响应具体为ab(τ,zd)(b=1,2,…,B;d=1,2,…,D)。
5.根据权利要求4所述的复合材料热固化成型模具温度场的预测控制方法,其特征在于:步骤2)中,采用模糊c均值聚类技术对D个映射特征向量进行聚类;
映射特征向量φ(zd)的模糊c均值聚类包括如下子步骤:
21)构造如下优化问题:
wdc>0,c=1,2,…,C,d=1,2,…,D;
其中,||·||为欧几里得范数;C为类别数;wdc为第d个特征向量φ(zd)对于第c类的隶属度,W=[wdc]D×C;vc为聚类中心,V=[vc]1×C;
22)运用拉格朗日乘子法,获得约束条件下,目标函数最小的必要条件:
23)通过迭代求解所述的必要条件,确定φ(zd)的聚类中心vc(c=1,2,…,C)和对应的隶属度wdc(c=1,2,…,C,d=1,2,…,D)。
6.根据权利要求5所述的复合材料热固化成型模具温度场的预测控制方法,其特征在于:步骤2)中,根据聚类中心与特征向量距离最短的原则确定代表性空间点zc(c=1,2,…,C);如果空间节点zd的特征向量φ(zd)与第c个聚类中心vc的距离最小,则该节点zd确定为一个代表性空间点zc;代表性空间点集为Ψ:
当前时刻τk的C个代表性空间点温度预测模型如下:
ΔU(k)=[Δu(k),Δu(k+1),…,Δu(k+P-1)]T,Δu(k+p)=[Δub(k+p)]1×B,p=1,2,…,P;
7.根据权利要求6所述的复合材料热固化成型模具温度场的预测控制方法,其特征在于:步骤3)中,采用滚动优化策略来设计热固化成型模具温度场的预测控制器,包括如下子步骤:
31)利用所述当前时刻τk的C个代表性空间点温度的预测模型,建立优化目标函数min J[ΔU(k)]:
32)令J[ΔU(k)]对时序输入向量ΔU(k)求导,并取d{J[ΔU(k)]}/d[ΔU(k)]=0,确定P个时刻τk,τk+1,…,τk+P-1的最优控制律ΔU(k):
其中,IB为B阶单位阵;
33)利用取首元矩阵HB=[IB,0,0,…,0]1×P,获取在当前时刻k的最优控制输入Δu(k):
Δu(k)=HB·ΔU(k)。
9.根据权利要求8所述的复合材料热固化成型模具温度场的预测控制方法,其特征在于:步骤5)中设计代表性空间点温度预测模型的反馈校正环节,包括如下子步骤:
利用温度测量点的预测偏差向量ε(k+1,zm)(m=1,2,…,M)估计代表性空间点的预测偏差向量ε(k+1,zc)(c=1,2,…,C),即:
EC(k+1)=(ΘT·Θ+γE·IC)-1·ΘT·EM(k+1);
其中,IC是C阶单位阵;
53)为两类空间点的先验初始预测向量补偿预测偏差向量,完成时刻τk+1代表性空间点预测模型的反馈校正,具体为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730134.3A CN114879777B (zh) | 2022-06-24 | 2022-06-24 | 复合材料热固化成型模具温度场的预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730134.3A CN114879777B (zh) | 2022-06-24 | 2022-06-24 | 复合材料热固化成型模具温度场的预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114879777A true CN114879777A (zh) | 2022-08-09 |
CN114879777B CN114879777B (zh) | 2022-11-01 |
Family
ID=82681805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210730134.3A Active CN114879777B (zh) | 2022-06-24 | 2022-06-24 | 复合材料热固化成型模具温度场的预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114879777B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170069925A1 (en) * | 2015-09-04 | 2017-03-09 | Ceres Intellectual Property Company Limited | Temperature Measuring Method |
CN109145421A (zh) * | 2018-08-08 | 2019-01-04 | 中南大学 | 一种应用于分布参数系统的时空模糊建模方法 |
CN109581870A (zh) * | 2018-11-27 | 2019-04-05 | 中国工程物理研究院化工材料研究所 | 含能材料反应釜的釜内温度动态矩阵控制方法 |
CN110543140A (zh) * | 2019-07-26 | 2019-12-06 | 四川大学 | 基于时间特性的数控机床主轴系统热关键点选取建模方法 |
CN113312851A (zh) * | 2021-06-16 | 2021-08-27 | 华电山东新能源有限公司 | 一种风力发电机主轴承温度异常预警方法 |
-
2022
- 2022-06-24 CN CN202210730134.3A patent/CN114879777B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170069925A1 (en) * | 2015-09-04 | 2017-03-09 | Ceres Intellectual Property Company Limited | Temperature Measuring Method |
CN109145421A (zh) * | 2018-08-08 | 2019-01-04 | 中南大学 | 一种应用于分布参数系统的时空模糊建模方法 |
CN109581870A (zh) * | 2018-11-27 | 2019-04-05 | 中国工程物理研究院化工材料研究所 | 含能材料反应釜的釜内温度动态矩阵控制方法 |
CN110543140A (zh) * | 2019-07-26 | 2019-12-06 | 四川大学 | 基于时间特性的数控机床主轴系统热关键点选取建模方法 |
CN113312851A (zh) * | 2021-06-16 | 2021-08-27 | 华电山东新能源有限公司 | 一种风力发电机主轴承温度异常预警方法 |
Non-Patent Citations (3)
Title |
---|
褚鑫等: "基于ANFIS的木质采暖地板温度场预测分析", 《林业科学》 * |
魏东等: "结构内部非均匀温度场的重建方法研究", 《工程热物理学报》 * |
黄娟等: "基于模糊C均值聚类算法的温度测点优化与建模研究", 《机床与液压》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114879777B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109145346A (zh) | 基于双重最小二乘支持向量机的固化热过程时空建模方法 | |
CN108717505A (zh) | 一种基于k-rvfl的固化热过程时空建模方法 | |
CN114879777B (zh) | 复合材料热固化成型模具温度场的预测控制方法 | |
CN116306248A (zh) | 基于时空非线性误差补偿模型的锂电池温度场预测方法 | |
Skordos et al. | Inverse heat transfer for optimization and on-line thermal properties estimation in composites curing | |
Humfeld et al. | Machine learning-based process simulation approach for real-time optimization and active control of composites autoclave processing | |
Cho et al. | Online functional testing with rapid prototypes: a novel empirical similarity method | |
GB2564856A (en) | Method and apparatus for curing a composite article | |
CN108763759A (zh) | 一种基于isomap的固化热过程时空建模方法 | |
Yang et al. | Modeling and optimization of a plastic thermoforming process | |
Su et al. | Modeling of truck tire curing process by an experimental and numerical method | |
Pan et al. | High efficiency far-infrared barrel heating control with excess heat prediction based on generalized predictive control in injection molding | |
Reyes et al. | Inverse heat transfer optimization of stamping with over-molding process involving high performance thermoplastic composites: experimental validation | |
Prist et al. | Temperature control of an innovative aluminium-steel molds induction preheat process placed on automated laser guided vehicles | |
Jo et al. | The design of layer time optimization in large scale additive manufacturing with fiber reinforced polymer composites | |
Liu et al. | An Integrated Offline and Online Optimization Framework for Large Scale Additive Manufacturing | |
CN110262244B (zh) | 一种改进fsrbfd的自适应解耦控制方法 | |
US20050033562A1 (en) | Method and device for design of preform | |
Bosselmann et al. | Optimization of process parameters for rubber curing in relation to vulcanization requirements and energy consumption | |
Grankäll et al. | Vacuum-assisted hot-forming using tailored laminate temperature | |
Kim et al. | Layer Time Control for Large Scale Additive Manufacturing Using High Performance Computing | |
Gao et al. | Size effect in curing optimization for thick composite laminates | |
Hopmann et al. | Automatic cooling channel design for injection moulds | |
Escolano et al. | Predictive Control Based on Reduced Order Model for temperature homogeneity in a resin transfer molding tool for thermoset materials | |
CN116894465A (zh) | 一种注塑机料筒温度预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |