一种基于机器学习的螺杆式物料配料机控制器

    公开(公告)号:CN110697448A

    公开(公告)日:2020-01-17

    申请号:CN201910845720.0

    申请日:2017-09-19

    Abstract: 本发明公开了一种基于机器学习的螺杆式物料配料机控制器,其包括信号采集模块、处理模块、神经网络模块、迭代学习模块、存储模块和输出模块;采用的动态递归Elman神经网络将下料仓料位、空中落差、落料率、物料密度及螺旋输送器的螺旋叶片直径、螺距和螺杆最大转速映射为物料空中量,离线训练中迭代学习模块根据梯度下降法调整权值,在线控制下料过程中处理模块根据空中量预测值通过输出模块对螺旋输送器进行提前关闭控制。本发明采用非线性网络对下料过程进行建模,训练后的网络能对不同落料状态下的空中量进行准确预测,从而可直接精确下料且适用于小批量生产,又由于螺杆可保持高运转速度而提升了下料效率。

    基于变速率学习的螺杆式物料下料装置控制器

    公开(公告)号:CN110697439A

    公开(公告)日:2020-01-17

    申请号:CN201910845753.5

    申请日:2017-09-19

    Abstract: 本发明公开了基于变速率学习的螺杆式物料下料装置控制器,其包括输入模块、存储模块、输出模块和处理模块,处理模块又包括预测模块、重量监测模块、误差计算模块及逻辑控制模块。基于单次和累积下料误差,处理模块通过迭代学习对螺旋输送器进行控制,迭代过程中基于下料误差的变化分别对单次和累积下料误差的学习因子进行动态调整。本发明基于距离传感器和称重模块的检测,通过搅拌器对下料仓内的物料堆积进行调节以保证物料密实度稳定;学习因子能自动调整优化,与现有技术相比,本发明使得下料控制不需要对参数反复试凑,能快捷地获得收敛性能较好的迭代式,且在迭代学习过程中的落料能被有效利用。

    基于变速率学习的直落式物料配料装置控制器

    公开(公告)号:CN110694544A

    公开(公告)日:2020-01-17

    申请号:CN201910845751.6

    申请日:2017-09-19

    Abstract: 本发明公开了基于变速率学习的直落式物料配料装置控制器,其包括输入模块、存储模块、输出模块和处理模块,处理模块又包括预测模块、重量监测模块、误差计算模块及逻辑控制模块。基于上一次空中量预测值、单次和累积下料误差,处理模块通过迭代学习对下料阀进行控制,迭代过程中基于下料误差的变化分别对单次和累积下料误差的学习因子进行动态调整。本发明基于距离传感器和称重模块的检测,通过振动杆对下料仓内的物料堆积进行调节,保证落料形态稳定;学习因子能自动调整优化,与现有技术相比,本发明使得配料控制不需要对参数反复试凑,能快捷地获得收敛性能较好的迭代式,且在迭代学习过程中的落料能被有效利用。

    基于神经网络的螺杆失重式物料下料机及其控制器

    公开(公告)号:CN107720311B

    公开(公告)日:2019-09-24

    申请号:CN201710863072.2

    申请日:2017-09-19

    Abstract: 本发明公开了基于神经网络的螺杆失重式物料下料机及其控制器,所述下料机包括机架、下料仓和螺旋输送器、混料斗、称重模块、落料阀及控制器。控制器中采用神经网络模块,基于下料仓的料位、落料率、物料密度及螺旋输送器的螺旋叶片直径、螺距和螺杆最大转速对物料失重值进行预测,从而调节螺旋输送器的关闭时间。本发明采用神经网络对下料称重进行建模,训练后的网络能对不同落料状态下的下落物料失重值进行准确预测,从而可直接精确下料且适用于小批量生产;采用仓位传感器和振动杆对下料仓内的物料堆积形态进行检测和调节,减小了落料率波动;通过对下料累积误差的控制,减小了批量下料的总误差;又由于螺杆可保持高运转速度而提升了下料效率。

    BOPP薄膜厚度模糊控制方法

    公开(公告)号:CN107253320B

    公开(公告)日:2019-09-24

    申请号:CN201710429683.6

    申请日:2017-05-28

    Abstract: 本发明公开了一种BOPP薄膜厚度模糊控制方法,由薄膜测厚仪检测薄膜厚度,数据处理模块提取出标记有模头螺栓位置的薄膜剖面厚度值集合,基于该数值集合,控制模块中的第二控制器根据当前螺栓及其左右临近螺栓位置的厚度偏差,经模糊推理计算出控制量并经模头调节器对该螺栓进行温度控制,同时第一控制器通过PID控制调节变频器转速。基于模头唇口开度控制的专家操作经验,本发明通过模糊控制解决模头相邻螺栓之间的解耦,实现了薄膜横向厚度均匀,同时通过挤出速度的调节使薄膜纵向厚度保持一致。

    基于入睡效率因素的照明控制系统与调光映射装置

    公开(公告)号:CN110113843A

    公开(公告)日:2019-08-09

    申请号:CN201910442906.1

    申请日:2019-05-26

    Abstract: 本发明公开了基于入睡效率因素的照明控制系统与调光映射装置,所述系统包括光色识别单元、入睡识别单元、可调光灯组、调光映射单元和控制单元;控制单元以阅读面光照的照度、色温、颜色等光色参数为输入量,以用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数为输出量,建立动态递归Elman神经网络,以表征环境光照与用户入睡效率之间的映射关系;训练后的网络在现场光环境中用来对入睡效率参数进行预测,所述预测值被用来在基于多目标优化算法对光色参数进行寻优过程中计算光色条件的入睡效率评价值,寻优结果被调光映射装置转换为灯组的驱动电流值,从而实现不同环境下有助于用户入睡的照明。

    基于分区可控吸顶灯的公共宿舍混合照明系统、方法及优化方法

    公开(公告)号:CN110062498A

    公开(公告)日:2019-07-26

    申请号:CN201910287079.3

    申请日:2019-04-03

    Abstract: 本发明公开了基于分区可控吸顶灯的公共宿舍混合照明系统、方法及优化方法,系统包括用户接口单元、可调光灯组、位置识别单元、用户身份识别单元、调光变换单元和控制单元;灯组由各分区可独立调光的分区可控吸顶灯及工作台灯组成,基于各灯的照明分布及各用户在入睡、学习等作息模式时对光色参数的评价,控制单元通过多目标优化方法,对各分区/灯的出光参数进行寻优,最后将寻优结果通过调光变换单元转换为驱动电流值分别发送给各灯驱动器执行调光,从而协调公共宿舍内不同用户、不同作息对光照的要求,实现公共宿舍的自动优化混合照明。本发明还通过用户接口单元的操作或与日光色的对比,能实现优化结果的调节,从而使照明效果更符合用户需求。

    基于混合照明的开放式办公室照明系统与控制方法

    公开(公告)号:CN110035578A

    公开(公告)日:2019-07-19

    申请号:CN201910282760.9

    申请日:2019-04-05

    Abstract: 本发明提供基于混合照明的开放式办公室照明系统与控制方法,系统包括用户接口单元、光色传感单元、控制单元和顶灯与台灯组成的可调光灯组。离线建立调光照明分布模型、光色评分模型等评价标准,以及用户注册表;在线控制中当预设条件满足时,根据当前自然光条件和评价标准在进行照明优化时,先基于能耗、过道照度、照度均匀度及梯度等指标对可调光顶灯参数进行寻优,然后基于办公室在位用户的评分及能耗指标对可调光台灯参数进行寻优,寻优结果被发送给驱动器以调节灯组出光,实现开放式办公室的综合优化照明。本发明在考虑用户照明偏好的同时还能兼顾整体空间的舒适性,且能根据日光动态调整光照,为办公室营造舒适、节能、个性化的照明环境。

    睡眠环境光照条件辨识方法与阅读面测光方法

    公开(公告)号:CN110013231A

    公开(公告)日:2019-07-16

    申请号:CN201910335756.4

    申请日:2019-04-24

    Abstract: 本发明公开了睡眠环境光照条件辨识方法与阅读面测光方法,首先以检测出的阅读面照度、色温、颜色的xyz色坐标值等光色参数作为输入量,以经数据融合与拟合后得出的用户眼睛开度变化率、闭眼持续时长变化率、心率变化率、体动频率变化率、体温变化率等体征参数作为输出量,建立动态递归Elman神经网络,用来表征环境光照条件与用户入睡效率之间的映射关系;其次,改变灯组电流,采集光色组合变化后的样本并对神经网络进行训练;最后,训练后的网络用来在线对现场光照条件下用户入睡效率各相关参数进行预测,从而进行光环境对入睡的影响进行评价,并为潜在的高入睡效率光环境的搜索与推荐提供依据。

    可变光环境下学习注意力检测与预判装置和方法

    公开(公告)号:CN109949193A

    公开(公告)日:2019-06-28

    申请号:CN201910263070.9

    申请日:2019-04-02

    Abstract: 本发明公开了可变光环境下学习注意力检测与预判装置和方法,装置包括光色传感单元、图像采集单元、心率采集单元、控制单元和用户接口单元;首先以工作面照度、色温、颜色的xyz色坐标值及持续学习时间共6个参数作为输入量,以经滤波、拟合、评估量化后的学习者眼睛开度、视线专注度度、心率、视线移动速率等参数的注意力因素值作为输出量,建立人工神经网络;其次,调节工作面区块范围到期望位置后,改变灯组电流,采集光色组合变化后的样本并对神经网络进行训练;最后,训练后的网络在新的光环境中用来对现场光照条件下学习者的注意力参数进行预测,从而向学习者进行光环境评价提示,并为潜在的高注意力光环境的推荐提供依据。

Patent Agency Ranking