一、挤出复合机的系统结构浅析(论文文献综述)
梁艳艳,许锦才,黄伟伦[1](2021)在《挤出复合及其新技术在彩印软包装领域中的应用》文中提出挤出复合是彩印软包装多层复合膜的一种重要复合方法,具有几乎无VOC排放、安全卫生性好、耐热性好、相对易回收等特点。挤出复合工艺和技术能够满足人们对于环保、安全和可持续发展的要求,急需扩大其应用比例。
梁艳艳,许锦才,黄伟伦,沈金强,黄汉雄[2](2020)在《挤出复合在包装领域的应用和新技术》文中研究指明本文简要介绍了挤出复合设备的构造、工艺过程控制、应用领域以及挤出复合的最新技术。期望能够基于目前的条件,积极结合包装领域的新概念、新方法,使我们的包装从生产-使用-回收或降解形成一个闭环系统,实现绿色生产、安全使用、简便回收(或生物降解),从而确保我们的绿水青天长长久久。
杨寅,高伟伟[3](2018)在《适用于在线教育大数据的Hadoop平台高准确度推荐服务(英文)》文中进行了进一步梳理为了提高Hadoop平台下在线教育推荐服务的准确度,更好地为不同类用户提供更精准的资源推送,提出了一种高精度的推荐服务策略。该策略首先采用权重估计对Hadoop平台用户进行分类,接着对在线教育学习资源进行标签化分类并实现用户兴趣资源的参数估计,最后生成推荐策略。实验证明:相比于Item-Based CF策略和Behavior-Based CF策略,该推荐策略的准确度更高。
段洁[4](2018)在《基于协同进化混合蛙跳算法的优化迭代学习控制算法研究》文中指出迭代学习控制(Iterative Learning Control,ILC)是智能控制的一个关键分支,也是一种新型的学习控制策略。其最大的特点就是可以通过重复应用先前的控制经验求取控制输入信号,该控制输入信号可以使系统的输出趋近于期望输出,以此来改善控制的质量。相比较其他控制方法,ILC拥有诸多优势,它可以用很简单的方式应用于存在较高不确定性的非线性系统,计算量也较为简单;ILC具有很高的适应性,并且在实际工业控制中很容易实现;ILC最突出的优势便是不依赖于精确的数学模型。因此,迭代学习控制的研究有着十分重要的现实意义。为了提高非线性优化迭代学习控制算法的收敛性能,获得更好的跟踪性能,本文采用协同进化混合蛙跳算法实现迭代学习控制的性能优化,提出了一种基于协同进化混合蛙跳算法的优化迭代学习控制算法。利用协同进化混合蛙跳算法来处理迭代学习控制中的非线性问题和输入有约束的问题,使得算法的参数选择简单,搜索空间小,收敛速率得到提高。此外,通过对协同进化混合蛙跳算法搜索到的控制输入施加滤波器,在不影响跟踪效果和误差的前提下,可以有效地滤除由于蛙跳算法的随机性而产生的输入的高频部分,使其曲线更为光滑。仿真结果表明基于协同进化混合蛙跳算法的优化迭代学习控制算法收敛性优于基于克隆选择算法的优化迭代学习控制算法和基于遗传算法的优化迭代学习控制算法。迭代学习控制算法中的学习参数的选取对于迭代学习控制的收敛性以及收敛速度的影响很大。传统的PID型迭代学习控制中,学习参数的设置需要凭借经验选取,具有一定的盲目型,算法分析给出的收敛条件并不能用于学习参数的选取。本文针对此问题采用协同进化混合蛙跳算法优化PID控制器的学习参数,提出了一种基于协同进化混合蛙跳算法的PID型迭代学习控制算法,通过该算法可得到能保证系统单调收敛的PID学习参数。最后,将基于协同进化混合蛙跳算法的优化迭代学习控制算法应用于吊车-双摆系统中,通过仿真验证了算法的有效性和可行性。
吴维耀[5](2016)在《制造业物联网基于事件优先级的复杂事件检测方法研究》文中提出在制造物联的环境下,生产现场环境恶劣,因此必须把大量不同的传感器部署到制造业现场的各个地方来实时监控现场人、物料、设备、环境等数据。这造成了制造业中海量数据的产生,而用户感兴趣的只是一些有特定语义的高级事件,如何快速高效地从海量数据中提取出用户感兴趣的信息成为一个近年来的研究问题。为了从海量数据流中提取出用户感兴趣的信息,国内外各个学者提出了各种解决方案。这些方案大多数解决的是顺序的事件流,并认为进行复杂事件检测时所有事件均可以保存在内存中。但由于制造业现场环境的干扰、传输时网络的延时等原因,会造成数据流到达处理器时出现乱序的现象。并且随着部署在现场的感知节点的越来越多,数据量会呈爆炸性增长,把所有数据保存在内存中进行复杂事件检测已经不可能实现。针对制造业中异常事件检测中存在的问题,本文在分析研究了制造业现场数据的特征后,结合节点的分布式部署方案,提出了一种分布式的异常复杂事件检测框架,通过部署在现场的节点以及后端的服务器,快速地检测生产过程中发生的异常事件。为了更好地定义异常事件,本文对事件的紧急程度进行了划分,并提出了事件优先级在复杂事件检测中的应用。考虑到不同事件的不同紧急程度,通过对正常事件的分析,给出了事件优先级的判断准则,并通过一种改进的布隆过滤器,设计了一种高效的分布式事件优先级判断算法。根据传输到服务器中事件的优先级,本文提出了一种基于事件优先级的复杂事件检测算法。基于事件优先级,可以很好的进行内外存置换,有效地解决了海量事件不能完全保存在内存中的问题,并对乱序的事件流有一定的容错性,保证了在不按顺序传输的事件流也能进行正确的复杂事件检测。本文主要研究制造业物联网环境中的复杂事件检测,通过分析数据特征,提出了一种事件优先级判定算法,并根据事件优先级设计了一种基于事件优先级的复杂事件检测算法。最后通过与传统复杂事件检测算法的仿真比较,看出了此算法在制造业物联网环境下的高效性,并通过比较看出此算法在时间效率上相对传统复杂事件检测算法有较大的提高。
管力明[6](2009)在《胶印质量智能控制技术研究》文中研究说明数字化、智能化是目前印刷业的发展趋势,本文采用模糊逻辑和神经网络控制、事例专家系统和遗传算法等智能控制技术,对胶印质量控制进行了系统的研究;并对胶印生产中的印刷品色彩在线检测、胶印机输纸机构无轴同步控制等关键技术进行了探索性研究。在生产试验分析及总结印刷领域专家实践经验的基础上,系统地构建了胶印质量评价指标体系,建立了指标评价参数;全面分析了胶印生产过程和质量影响因素,以及控制的要求与特性。详细讨论了将层次分析法和模糊评判法相结合应用于印刷品质量综合评价中。建立了印品质量评价的多层次模糊综合评价的基本理论框架。所建立的多层次模糊综合评价方法不但对印品质量中的各一级指标给出评价,而且反映了各测量指标对印品质量的影响,从而更能对印品质量整体状态做出合理、科学的评价。在分析印刷色彩还原及其品质影响因素的基础上,提出采用近红外光谱技术测量印刷品颜色,并建立偏最小二乘的数据分析模型对印刷品颜色进行预测,从而为实现在线检测印刷品颜色奠定研究基础。实验研究结果表明,采用近红外光谱分析技术和PLS建模方法可以非常准确地测量印刷品的颜色值,为印刷生产过程中印刷品颜色的近红外光谱在线测量与优化控制创造了条件。结合单张纸输纸机多轴传动系统的特点,提出一种基于无轴单张纸输纸系统的混合同步控制算法,为高速稳定的无轴单张纸输纸机研制提供理论基础和技术支持,为无轴传动技术更广泛地应用于印刷工业生产提供了很好的理论基础。根据胶印过程与质量控制的特性,本文首次提出了胶印质量的模糊神经网络控制方法,详细论述了所提出的控制方法实现的设计思路、设计方案,并在此基础上,提出了系统设计中的知识表示、事例库的组织以及系统求解策略等关键问题的解决方案。最后本文从工程实现的角度出发,提出了一种胶印质量智能控制技术的实现方案,该方案对实际工程应用具有指导意义。
广东省软包装印刷设备制造业产业技术路线图工作小组[7](2009)在《国内外软包装的产业现状对比》文中研究表明一、欧、美、日等国软包装印刷设备制造业产业发展状况随着食品、化妆品、医药等行业的飞速发展,以及包装材料和加工技术的不断提高,软包装在许多领
马平东[8](2004)在《挤出复合机的系统结构浅析》文中研究表明 概述挤出复合工艺是使用1台或多台挤出机和 T 型模头,把一种或多种热塑性塑料树脂用挤出熔融塑化的方法通过 T 型模头流延到另一种基材的表面上,并在热黏状态下压合成复合薄膜的过程。
张海红,童文胜[9](2000)在《挤出复合机工业制冷系统节能改造的实践》文中研究指明本文在引进日本MLEA65/1200挤出复合机附属的制冷系统的基础上 ,根据北方冬季气候特点 ,设计了一套节能制冷系统 ,并对该系统的工作原理、节能效果等进行了阐述。该节能系统结构简单 ,设计独特 ,运行可靠 ,经济效益可观 ,很值得在北方寒冷地区推广应用。
二、挤出复合机的系统结构浅析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、挤出复合机的系统结构浅析(论文提纲范文)
(1)挤出复合及其新技术在彩印软包装领域中的应用(论文提纲范文)
1. 引言 |
2. 挤出复合在彩印软包装上的优势 |
(1)环保、安全性 |
(2)粘合层材料成本 |
(3)耐热性 |
3. 挤出复合在彩印上的常规应用 |
(1)食品轻包装 |
(2)高阻隔食品药品包装 |
(3)纸塑铝高阻隔包装 |
(4)非食品包装 |
(5)牙膏片材 |
4. 彩印软包装挤出复合设备及技术 |
(1)游动模头[16] |
(2)基材无拉伸技术[17] |
(3)微波导能技术[18] |
(4)共挤出复合技术[19] |
5. 彩印挤出复合的新工艺 |
(1)无粘合剂食品药品挤出复合工艺[20] |
(2)水性AC剂挤出复合工艺[21] |
(3)单一材料挤出复合工艺 |
6. 发展趋势 |
(2)挤出复合在包装领域的应用和新技术(论文提纲范文)
1 前言 |
2 挤出复合生产线 |
3 挤出复合工艺 |
4 挤出复合分类 |
5 挤出复合的新工艺及发展方向 |
(4)基于协同进化混合蛙跳算法的优化迭代学习控制算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 迭代学习控制初值问题研究现状 |
1.2.2 迭代学习控制算法研究现状 |
1.2.3 迭代学习控制其它研究现状 |
1.3 本文的主要工作 |
1.4 章节安排 |
第2章 迭代学习控制相关基础理论 |
2.1 迭代学习控制系统的基本原理 |
2.2 迭代学习控制的数学描述 |
2.3 PID型迭代学习律 |
2.4 智能优化算法 |
2.4.1 遗传算法 |
2.4.2 克隆选择算法 |
2.4.3 混合蛙跳算法 |
2.5 协同进化混合蛙跳算法 |
2.5.1 协同进化混合蛙跳算法概述 |
2.5.2 协同进化技术 |
2.5.3 协同进化混合蛙跳算法实现步骤 |
2.6 本章小结 |
第3章 协同进化混合蛙跳算法优化迭代学习控制 |
3.1 范数优化迭代学习控制 |
3.1.1 范数优化迭代学习控制的提出 |
3.1.2 范数优化迭代学习控制算法的收敛性分析 |
3.2 基于协同进化混合蛙跳算法的优化迭代学习控制 |
3.2.1 CSFLA-ILC收敛性分析 |
3.2.2 CSFLA-ILC的控制结构 |
3.3 仿真分析 |
3.3.1 线性系统仿真 |
3.3.2 非线性控制系统的仿真 |
3.4 本章小结 |
第4章 协同进化混合蛙跳算法优化PID-ILC |
4.1 PID型参数优化迭代学习控制 |
4.1.1 PID型参数优化迭代学习控制算法的描述 |
4.1.2 PID型参数优化迭代学习控制算法的实现 |
4.2 PID型参数优化迭代学习控制算法收敛性分析 |
4.3 PID型CSFLA-ILC算法 |
4.4 实验仿真 |
4.5 本章小结 |
第5章 PID型CSFLA-ILC在吊车-双摆系统中的应用 |
5.1 吊车-双摆系统描述与建模 |
5.1.1 吊车-双摆系统介绍 |
5.1.2 吊车-双摆系统的数学描述 |
5.2 仿真分析 |
5.3 本章小结 |
结论与展望 |
参考文献 |
致谢 |
附录 攻读学位期间所发表的学术论文及所参与的科研项目 |
(5)制造业物联网基于事件优先级的复杂事件检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 制造业物联网研究现状 |
1.2.2 复杂事件检测研究现状 |
1.2.3 异常事件检测现状 |
1.3 课题来源及本文主要研究内容与结构 |
1.3.1 课题来源 |
1.3.2 本文研究内容及创新点 |
1.4 论文结构 |
第二章 复杂事件检测相关技术 |
2.1 引言 |
2.2 复杂事件检测基本理论 |
2.2.1 事件的分类 |
2.2.2 复杂事件处理体系结构 |
2.3 现有复杂事件处理原型系统 |
2.4 分布式事件处理框架Storm |
2.5 本章小结 |
第三章 制造物联数据分析与分布式事件检测框架 |
3.1 传统制造业现场数据分析 |
3.2 制造物联网系统结构 |
3.3 分布式复杂事件检测框架设计 |
3.3.1 事件的数据模型 |
3.3.2 感知节点数据的预处理 |
3.3.3 分布式复杂事件检测框架 |
3.4 本章小结 |
第四章 分布式事件优先级判定算法 |
4.1 事件优先级分析 |
4.2 典型布隆过滤器介绍 |
4.2.1 布隆过滤器的存储与查询 |
4.2.2 误判概率分析 |
4.3 改进算法的提出 |
4.3.1 改进的布隆过滤器 |
4.3.2 改进的布隆过滤器性能分析 |
4.4 优先级判断算法 |
4.4.1 优先级判断算法设计 |
4.4.2 哈希函数的选择 |
4.4.3 分布式事件优先级判断的实现 |
4.5 本章小结 |
第五章 基于事件优先级的复杂事件检测算法 |
5.1 基于事件优先级的复杂事件检测的处理流程 |
5.2 批次工艺信息在内存中的存储 |
5.3 批次信息在内存中的存储 |
5.4 复杂事件检测 |
5.5 向后匹配操作 |
5.6 事件在内外存中的存储结构 |
5.7 事件的内外存置换规则 |
5.8 实验分析 |
5.8.1 与传统SASE算法的对比分析 |
5.8.2 乱序事件比例分析 |
5.8.3 异常事件比例分析 |
5.8.4 批次数量分析 |
5.8.5 窗口大小分析 |
5.8.6 内外存置换规则分析 |
5.9 本章小结 |
总结与展望 |
参考文献 |
攻读学位期间发表的学术论文 |
攻读学位期间参加的科研项目 |
致谢 |
(6)胶印质量智能控制技术研究(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
1.1 课题研究的意义 |
1.2 国内外研究现状 |
1.2.1 生产过程质量检测与控制 |
1.2.2 智能控制技术的发展 |
1.2.3 印刷过程与质量检测控制 |
1.3 本论文的主要研究内容 |
第二章 胶印质量特性分析 |
2.1 胶印过程特性分析 |
2.2 胶印质量控制的胶印过程参数分析 |
2.3 胶印质量特性分析及评价指标体系的构建 |
2.3.1 印刷品质量的内涵 |
2.3.2 胶印质量控制指标体系的构建 |
2.4 胶印质量控制指标参数设计 |
2.5 印刷质量控制特点 |
2.6 本章小结 |
第三章 印刷品质量的综合评价 |
3.1 引言 |
3.2 模糊层次综合评价算法 |
3.2.1 基于层次分析法的综合评价 |
3.2.2 模糊综合评价 |
3.2.3 印刷品质量模糊综合评价 |
3.3 本章小结 |
第四章 印刷品色彩还原品质在线检测技术 |
4.1 印刷色彩还原机理 |
4.2 色彩还原品质的影响因素 |
4.2.1 网点增大 |
4.2.2 实地密度 |
4.2.3 印刷反差与叠印率 |
4.3 基于近红外光谱的印刷品色彩还原检测 |
4.3.1 检测原理 |
4.3.2 实验仪器与材料 |
4.3.3 实验结果与分析 |
4.3.4 本章小结 |
第五章 胶印机输纸机构无轴同步控制技术 |
5.1 绪论 |
5.2 输纸机运动控制要求与控制方案设计 |
5.2.1 速度环设计 |
5.2.2 位置环设计 |
5.3 系统仿真 |
5.4 本章小结 |
第六章 胶印质量智能控制的总体设计及关键技术研究 |
6.1 胶印质量智能控制的总体要求 |
6.2 胶印质量智能控制总体设计 |
6.3 胶印质量智能控制关键技术研究 |
6.3.1 胶印质量智能控制的知识表示 |
6.3.2 胶印质量智能控制系统的事例库设计 |
6.4 胶印质量智能控制技术的求解策略 |
6.5 本章小结 |
第七章 胶印质量智能控制的模糊神经网络控制策略研究 |
7.1 模糊神经网络基本结构 |
7.2 胶印质量智能控制的模糊神经网络架构 |
7.2.1 胶印质量智能控制的模糊神经网络输入 |
7.2.2 胶印质量智能控制的模糊神经网络输出 |
7.3 胶印质量智能控制的模糊神经网络算法设计 |
7.3.1 传统的模糊神经神经网络学习算法 |
7.3.2 基于遗传算法的胶印质量智能控制的模糊神经网络学习算法 |
7.3.3 仿真实验 |
7.4 本章小结 |
第八章 胶印质量智能控制技术的实现与仿真 |
8.1 胶印质量智能控制的软件流程及实现 |
8.1.1 胶印质量智能控制系统的软件流程 |
8.1.2 胶印质量智能控制系统的软件实现 |
8.2 系统仿真试验 |
8.3 本章小结 |
第九章 总结与展望 |
9.1 总结 |
9.2 进一步研究工作的展望 |
致谢 |
攻读博士学位期间研究成果 |
参考文献 |
附录A 神经网络算法的代码 |
附录B 神经网络学习训练算法的代码 |
(7)国内外软包装的产业现状对比(论文提纲范文)
一、欧、美、日等国软包装印刷设备制造业产业发展状况 |
1. 欧、美产业发展状况 |
2. 日本产业发展状况 |
二、我国软包装印刷设备制造业与国外同类产业的差距 |
1. 产品设计与开发 |
2. 设备零部件的标准化 |
3. 国内外技术现状比较 |
4. 卫生、环保、节能、安全方面 |
四、挤出复合机的系统结构浅析(论文参考文献)
- [1]挤出复合及其新技术在彩印软包装领域中的应用[J]. 梁艳艳,许锦才,黄伟伦. 塑料包装, 2021(03)
- [2]挤出复合在包装领域的应用和新技术[J]. 梁艳艳,许锦才,黄伟伦,沈金强,黄汉雄. 塑料包装, 2020(03)
- [3]适用于在线教育大数据的Hadoop平台高准确度推荐服务(英文)[J]. 杨寅,高伟伟. 机床与液压, 2018(24)
- [4]基于协同进化混合蛙跳算法的优化迭代学习控制算法研究[D]. 段洁. 兰州理工大学, 2018(08)
- [5]制造业物联网基于事件优先级的复杂事件检测方法研究[D]. 吴维耀. 广东工业大学, 2016(10)
- [6]胶印质量智能控制技术研究[D]. 管力明. 西安电子科技大学, 2009(03)
- [7]国内外软包装的产业现状对比[J]. 广东省软包装印刷设备制造业产业技术路线图工作小组. 印刷工业, 2009(08)
- [8]挤出复合机的系统结构浅析[J]. 马平东. 印刷技术, 2004(02)
- [9]挤出复合机工业制冷系统节能改造的实践[J]. 张海红,童文胜. 包装与食品机械, 2000(04)