Consteel电弧炉过程控制系统的设计与实现

来源 :西安理工大学 | 被引量 : 0次 | 上传用户:wang_fly
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着近些年来信息化的发展,MES系统作为现代计算机集成制造系统CIMS的关键,它可以优化整个企业的生产制造管理模式,加强各部门之间协同工作效率,帮助企业提高服务质量。冶金行业对钢厂信息化系统十分重视,都以信息化来带动自动化发展为目标来进行信息化系统的优化升级。本系统以某钢铁集团150t电弧炉为背景,进行电弧炉过程控制系统的设计及实现。针对冶炼过程设计出一套与MES系统和基础自动化系统相对接的过程控制系统,实现了对冶炼过程的实时控制、模型指导、优化计算等功能,最终为一键炼钢打下基础。首先,对本文研究的Consteel电弧炉和传统电弧炉的特点进行研究,进行冶炼过程数学模型建模及仿真。配料模型以最小配料成本和最低吨钢能耗为目标,基于此双目标采用差分进化算法(Differential Evolution Algorithm)对输入的废钢料和辅料配比进行求解,最终得到最优解集;能量平衡模型采用物理建模的方式对能量的供给、损失、损耗这三大模块进行计算,完成了对不同冶炼阶段能量的分配:在变压器电气模型建立的基础上,对电弧炉电气特性曲线和特殊工作点进行分析,对供电策略的选取,实现了不同档位合理工作点和选取和变压器档位匹配,制定了合理的供电制度和供电曲线;合金计算模型采用线性规划的方法对合金加料模型进行优化,实现了最小成本配料的功能;同时也设计了其他模型,对冶炼过程起到了良好的指导作用。其次,针对整个过程控制系统进行软件架构的设计和实现。系统的架构以三层结构模式进行搭建,并根据需求功能进行了结构衍生,对软件的需求功能进行模块划分及详细设计,在此基础之上对C#程序和数据库程序业务逻辑进行功能分配,实现了良好的结构化软件体系。第三,针对系统数据功能需求进行了Oracle数据库设计,完成了相关表、视图等功能的设计,结合相关网络技术实现了数据存储和数据通讯,对冶炼过程中的冶炼状态、加料等过程数据进行实时记录和跟踪,数据库通过DBLink的方式与远程数据库进行通讯,进行计划信息的交互,使得各个二级系统间协调生产,与基础自动化级采用OPC通讯方式进行数据交互。最后,针对过程控制系统的交互界面进行设计和调试。在硬件配置方面对主流的服务器配置进行分析,选取了冗余的配置方式,极大地增加了系统的容错性:结合系统模块功能实现对各个界面的设计,主要完成了生产计划定义、冶炼信息监控、过程指导、模型预测等功能:并在实验室条件下模拟现场情况对各项功能具体调试,最终完成了现场调试,取得了良好的效果。本文所设计的电弧炉过程控制系统整体架构以三层架构为框架,围绕信息化进行开发,结合相关数据库技术和通讯方式进行系统搭建,根据建立的冶炼工艺模型对生产进行指导,生产中发挥了良好的指导功能。
其他文献
近年来,无监督域自适应(Unsupervised Domain Adaptation,UDA)算法成为了深度迁移学习算法的研究热点,该算法要求仅源域数据有标签,目标域数据无标签。目前,大多数UDA算法都是针对单源无监督域自适应展开研究,然而在实际场景中,源域数据往往是通过各种来源获得的,不同来源获得的源域数据与目标域数据在特征分布上相似但相似程度有所不同,而且不同来源得到的源域数据在数据分布上也会
气动位置伺服系统采用空气作为介质,其结构简单、安全可靠、反应迅速等突出优点使它得到广泛关注,从汽车、地铁的开关门到人工呼吸器再到气动机器人,气动位置伺服系统在自动化各行业有着举足轻重的地位。由于气体存在可压缩,性的特点且气动位置伺服系统受到非线性的阀口流动及气缸存在摩擦力等因素的影响,给创建气动伺服系统的精确模型带来了重重困难,这给依靠模型的传统控制方法设计带来了困难。同时,气动系统时变的工作点和
符号回归作为一种数据驱动建模的重要方法,能够在很好的拟合训练数据的同时,给出显性的数学表达式便于分析。在数据驱动建模中,一味追求高拟合精度往往会造成模型的过拟合,通常表现为模型复杂度增大,对未知样本的预测能力降低,即模型的泛化性能差。因此,平衡模型精度与泛化能力的研究就很有意义。奥卡姆剃刀法则说明,越简单的模型越有可能接近数据隐含的规律。基于此,本文针对现有符号回归方法只关注模型的拟合能力而忽略模
图作为一种较复杂的数据结构类型能够表示众多含有丰富信息的特征结构,其可以被用来刻画各种复杂数据特征以及结构特征之间的作用关系。目前,图结构数据在社交网络、电子购物、化学分子以及交通网络等领域有着非常广泛的应用场景。对于图结构数据的分类任务是,根据图数据节点或结构特征,在无监督下学习一组标记图形结构特征之间的关系将图结构数据进行多分类,并且能够正确地预测看不见的图形标签或结构。由于图结构数据既含有节
双目立体视觉是被动式三维视觉方法中一种重要的深度感知技术,其目的是从不同视点获取的两幅图像中恢复出场景的三维结构,广泛应用于工业测量、无人驾驶、3D场景建模等领域。其中,立体匹配算法的准确性和计算效率是决定立体视觉系统能否鲁棒、实时应用的关键。与人工设计特征的传统立体匹配方法相比,基于深度学习的立体匹配算法在精度上取得了显著提升,但在弱纹理、倾斜平面以及深度不连续等病态区域上仍然不理想,且随着网络
在大型工业过程中,为准确优化控制工业过程,需要对系统的关键参数进行监测。由于环境、成本或技术等原因对部分关键参数难以使用硬件装置测量,而软测量技术能够实现对这些关键参数进行监测,因此软测量技术得到了广泛的应用。因为工业设备在空间上的分布式设置使得关键变量的测量顺序与过程变量的采样顺序不一致,进而表现出了由于信号、物料传输或者安装位置等问题引起的明显的时间延迟,且这种延时具有时变特性。为了更可靠的监
传统的深度学习方法在具有海量样本的图像分类问题上性能优异,但直接将这些方法应用于行人再识别等样本缺乏的图像分类领域则容易产生过拟合,致使网络分类性能大幅度下降。因此,研究小样本图像分类方法对有效减少这些领域对训练样本的依赖具有重要的意义和价值。在众多小样本图像分类算法中,深度度量学习因简单高效被广泛研究,其性能主要取决于特征选择和分类器的构造。为了进一步提升深度度量学习的分类效果,本文从特征提取器
图像重构作为图像处理领域中的重要研究课题得到了广泛的关注。本文将卷积神经网络算法应用于图像重构问题中,主要围绕图像去噪和CFA图像去马赛克两个方向展开研究,具体研究内容包括:(1)本文提出了一种基于多尺度特征融合的并行稠密残差去噪网络框架。该框架首先采用并行网络结构以结合不同深度的图像特征信息,每个网络分支由一系列连续的具有稠密连接的稠密残差块(Dense Residual Block,DRB)组
图像是互联网信息的重要组成部分,数字图像修复技术是指利用图像缺失区域的邻域信息,按照一定的规则实现图像修复,达到视觉上无法感知图像曾经出现过缺失的目的。根据修复区域的大小可以分为针对小区域的图像修补问题和针对大区域的图像补全问题,在图像补全问题中,缺失区域过大导致补全过程难度更大。近年来,卷积神经网络在图像处理领域表现较好,生成对抗网络在生成问题上也体现出独到的生成效果,而图像补全问题目前还处于研
随着互联网技术的快速发展,网络数据量也不断增长,随之产生了更多类型的网络攻击。面对规模庞大的网络流量特征信息,传统的基于机器学习的入侵检测系统存在检测率低、实时性差以及对多分类稀有样本检测率低等问题,而深度学习算法在解决入侵检测问题上有着独特的优势。因此,本文将入侵检测技术与深度学习算法相结合。针对上述问题,论文主要利用多种算法相结合对基于深度学习的入侵检测算法进行改进,旨在提高检测率的同时提高入