学位论文 > 优秀研究生学位论文题录展示

基于网络的精炼炉自动化系统

作　者: 李江
导　师: 李强
学　校: 西安理工大学
专　业: 检测技术与自动化装置
关键词: LF炉 OPC技术数据库温度预估 BP神经网络专家系统 PSO算法
分类号: TP29-A3
类　型: 硕士论文
年　份: 2009年
下　载: 19次
引　用: 0次
阅　读: 论文下载

内容摘要

随着企业信息化建设的不断深入,特别是制造执行系统(MES)在钢铁和石化两个典型流程制造行业的成功应用,使企业更容易建立一个快速反映、有弹性、精细化、统一的信息化制造环境,帮助企业提高产品质量,降低材料和人力等资源的消耗。本系统就是在这样一个大环境下,针对钢铁制造业中精炼炉生产,设计的一套具有功能更为全面、适应MES系统的过程自动化系统软件。本文在分析了LF炉相关的生产工艺的基础上,根据LF炉过程优化、过程管理的要求,设计出了LF炉过程自动化系统。在数据通讯方面,对于过程自动化系统与MES(即三级系统)的信息通讯,分析了冶炼生产过程中相关物料和冶炼信息,同时结合数据库数据交互技术,提出了应用SQL语言完成数据信息通讯,使MES能够及时地对生产进行协调与优化。对于过程自动化系统与基础自动化系统的实时数据通讯,从理论上分析了OPC通讯技术原理,同时结合SIEMENS的OPC服务器,提出了本文的实时数据通讯解决方案。钢水温度是精练过程关键参数,重点深入研究如何建立钢水温度预估模型。由于钢水温度对钢的产量、质量和炉龄、包龄,及节能降耗,都有重要的影响,且影响钢水温度的因素比较复杂,很难用数学方程精确建模,因此对温度预报的准确性就显得尤为重要。本文根据现场生产实际情况,分析了冶炼控制过程,针对钢水温度这个高度非线性预测对象。本文应用粒子群优化算法的收敛速度快和能够得到全局最优解的特性,以及BP神经网络具有很好的鲁棒性和泛化能力,提出应用PSO-BP网络与专家系统相结合的方法对钢水温度进行连续预测。应用该模型对LF炉钢水温度进行预测,对预测结果进行了统计分析,结果表明,该模型对LF炉过程温度的预报误差±5℃,命中率达到85%,具有应用推广价值。

全文目录

摘要  3-4
Abstract  4-8
1 绪论  8-14
  1.1 LF炉生产的基本概念  8
  1.2 国内外LF炉精炼控制技术的发展概况  8-9
  1.3 开发基于网络的LF炉过程自动化系统的背景  9-10
  1.4 过程控制计算机系统在LF炉中的作用  10-12
    1.4.1 过程控制系统优化的概念及常用方法  10-11
    1.4.2 过程控制系统的过程管理  11
    1.4.3 过程控制计算机系统在LF炉生产中的作用  11-12
  1.5 论文的主要工作  12-14
2 基于网络的精炼炉过程自动化系统的设计  14-21
  2.1 LF炉的生产工艺描述  14-15
    2.1.1 LF炉的主要任务及工艺说明  14
    2.1.2 LF炉重要的设备系统说明  14-15
  2.2 系统控制和管理范围  15-16
  2.3 基于网络的LF炉过程自动化系统的功能及信息要求  16-18
    2.3.1 系统的功能  16-17
    2.3.2 系统信息要求  17
    2.3.3 数据存储策略  17-18
  2.4 LF炉过程自动化系统的运行方式  18
  2.5 LF炉过程自动化系统的网络结构  18-20
  2.6 本章小结  20-21
3 LF炉过程自动化系统与基础自动化系统的数据通讯设计  21-31
  3.1 OPC数据通讯的理论基础  21-25
    3.1.1 OPC技术背景  21
    3.1.2 OPC技术本质  21-22
    3.1.3 OPC规范简述  22-23
    3.1.4 采用OPC技术设计通讯系统的优点  23-25
  3.2 SIMATIC的OPC数据通讯  25-26
  3.3 LF炉过程自动化系统的OPC数据通讯实现  26-30
  3.4 本章小结  30-31
4 LF炉过程自动化系统温度预估模型的建立  31-47
  4.1 人工神经网络  31-33
    4.1.1 人工神经网络的发展  31
    4.1.2 BP神经网络  31-33
  4.2 粒子群算法  33-36
    4.2.1 背景-人工生命  34
    4.2.2 粒子群算法介绍  34-35
    4.2.3 人工神经网络和PSO  35-36
    4.2.4 PSO的参数设置  36
  4.3 专家控制  36-39
    4.3.1 专家控制概述  36-37
    4.3.2 专家控制系统的典型结构  37-38
    4.3.3 专家控制系统的分类  38-39
  4.4 钢水温度预估模型的建立  39-46
    4.4.1 建模对象  39
    4.4.2 影响温度的主要因素  39-40
    4.4.3 钢水温度预估模型的建立  40-41
    4.4.4 BP神经元网络权阵的训练  41-44
    4.4.5 钢水温度预估模型的验证  44-45
    4.4.6 钢水温度预估误差的来源分析及结论  45-46
  4.5 本章小结  46-47
5 LF炉过程自动化系统应用软件设计  47-54
  5.1 应用系统软件的内部结构  47-48
  5.2 工艺标准数据管理  48-50
    5.2.1 功能说明  48
    5.2.2 钢种数据表定义  48-49
    5.2.3 合金原料数据表定义  49-50
  5.3 LF炉精炼过程控制管理  50-53
    5.3.1 炉次运转状况跟踪  50-52
    5.3.2 LF炉钢分析  52-53
  5.4 本章小结  53-54
6 结论  54-55
致谢  55-56
参考文献  56-57

基于网络的精炼炉自动化系统

内容摘要

全文目录

相似论文