摘要：由于注塑机在塑料制品生产中不可替代的地位,其开合模机构的定位研究也备受人关注。既有的开合模机构控制系统是一个开环控制系统,用户在界面设定各阶段液压、流量、位置等信息,对开合模动作进行控制。但该控制系统存在缺陷,不能对最终停止位置进行精确控制,可能导致合模力不足,甚至导致机械冲击,缩短机床使用寿命,且其控制效果受环境影响较大。本文针对这一问题,提出了一种PD型迭代学习控制算法对开合模控制系统进行改进,以提高其控制性能。首先,阐述开合模机构研究的意义,并分析该领域的研究现状。针对控制系统设计时面临的问题提出相应解决办法。其次,分析比较各种无模型控制算法,从系统论的角度分析每种算法的优劣,从而引出迭代学习算法。再次,针对多输入时滞系统,建立时滞的模型,并分析,改进现有PD型迭代学习算法,提出了新的PD型迭代学习控制算法,在时滞未知但范围确定的条件下,对时滞进行补偿。在初态严格重复时,给出了系统迭代输出收敛于期望输出的充分条件,并进行严谨的数学证明。当时滞范围变窄时,改进的PD迭代学习算法能更精确跟踪期望轨迹。之后,结合神经网络遗传算法以及粒子群算法,对PD型迭代学习算法的控制参数进行寻优,得到最小输出误差及其所对应的各控制输入的PD系数,从而增加控制精度,提高控制性能。得到神经网络遗传PD迭代学习算法、粒子群PD迭代学习算法。通过仿真结果分析证明,这两种算法控制效果良好。为了验证上述算法的可行性,本文在实际工厂环境中,对注塑机开合模机构进行控制实验。试验中,将迭代学习算法嵌入注塑机开合模机构的控制过程,通过改变用户可操作的开模各阶段液压、流量以及停止位置,对最终定位误差进行控制。实际操作中,搭载尺寸、重量不同的模具进行生产,记录动模板最终定位数据,绘制定位误差曲线,与未采用迭代学习控制的注塑机定位数据进行分析比较。最后,总结全文工作,对未来工作进行展望。图36幅,表4个,参考文献19篇。