学位论文 > 优秀研究生学位论文题录展示
基于预测控制的陶瓷烧成温度控制应用研究
作 者: 刘伟
导 师: 王思明
学 校: 兰州交通大学
专 业: 控制理论与控制工程
关键词: 陶瓷烧成窑 温度控制 预测控制 动态矩阵
分类号: TP273
类 型: 硕士论文
年 份: 2011年
下 载: 35次
引 用: 1次
阅 读: 论文下载
内容摘要
中国是世界上的陶瓷生产大国,但现在生产的工艺和技术方面与国外相比存在一定的差距。窑炉在陶瓷生产过程中具有十分重要的作用,陶瓷烧成窑自动化水平的高低和发展状况决定着整个陶瓷行业的发展。因此,陶瓷烧成窑控制技术水平高低将直接影响陶瓷质量好的好坏,而其中的关键环节是陶瓷烧成窑的温度控制系统。陶瓷烧成过程具有滞后,非线性、时变等特点,很难获得精确的数学模型,传统的控制手段很难取得良好的控制效果。而预测控制是在工业过程领域内发展起来的一类新型控制技术,由于对模型的依赖性弱、易于实现,控制的效果好,在工业过程控制中得到了广泛地应用。本文结合陶瓷烧成窑与预测控制的特点,将预测控制应用于陶瓷烧成窑温度控制系统中。本文对当前陶瓷烧成窑控制技术的现状与问题,以及预测控制的产生发展进行探讨研究。然后分析了陶瓷烧成窑的结构以及烧成过程与烧成制度,窑炉温度测量的方法,得出温度控制系统的基本模型并确定控制方案。以陶瓷烧成温度控制系统为研究对象,设计陶瓷烧成窑温度控制系统的硬件,包括微处理器模块、温度采集模块、执行机构模块、驱动电路模块、以及硬件的抗干扰;采用VC++6.0设计上位机软件,包括上位机控制、温度设定、实时温度显示、上下位机通信以及算法的调用等。动态矩阵预测控制对具有大时滞特性的对象,有良好的动、静态性能和强的鲁棒性,为现实陶瓷烧成温度的精确控制提供了可能。分别采用了人工神经网络、支持向量机(最小二乘支持向量机和采用优化算法的最小二乘支持向量机)作为预测模型,替代了实际对象过程的阶跃响应模型,并将预测结果进行比较分析。结果表明基于微粒群优化的最小二乘支持向量机能够得到精准的系统预测模型。通过仿真实验研究分析了动态矩阵控制的部分参数,得出了参数对控制性能影响的规律。结合本文的研究对象——陶瓷烧成窑温度控制系统,对其进行动态矩阵预测控制仿真实验,并与传统的Smith预估、内模控制相比较,结果证明了该方法的有效性。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-13 1.1 课题背景 9-10 1.2 国内外研究现状 10-12 1.2.1 陶瓷烧成窑控制现状 10-11 1.2.2 预测控制产生与发展 11-12 1.3 课题研究意义 12 1.4 论文主要内容与工作 12-13 2 陶瓷烧成窑炉温度特性 13-20 2.1 陶瓷烧成窑结构与工艺流程 13-14 2.2 陶瓷烧成过程以及烧成制度 14-16 2.2.1 陶瓷烧成过程 14-15 2.2.2 陶瓷烧成制度 15-16 2.2.3 陶瓷快速烧成 16 2.3 陶瓷烧成温度测量及其模型 16-18 2.4 陶瓷烧成温度控制实现方案 18-20 3 陶瓷烧成温度控制硬件电路设计 20-34 3.1 系统总体方案 20-21 3.2 下位机主控模块 21-22 3.3 模拟量输入采集模块 22-25 3.3.1 传感器的选择 22-23 3.3.2 放大采集电路 23-25 3.4 执行机构与驱动电路 25-29 3.4.1 执行机构模块 25-26 3.4.2 驱动电路设计 26-29 3.5 串口通信模块 29-30 3.6 其它电路模块 30-32 3.6.1 显示接口 30-31 3.6.2 电源电路 31 3.6.3 过流保护 31-32 3.7 硬件可靠性 32-34 3.7.1 隔离抗干扰 32 3.7.2 传感器冗余 32-33 3.7.3 去耦电路 33-34 4 陶瓷烧成温度控制上位机软件设计 34-42 4.1 系统需求分析 34-35 4.2 数据检测显示设计 35-38 4.3 参数设置模块设计 38-39 4.4 数据检索模块设计 39-40 4.5 系统通信模块设计 40 4.6 算法接口模块设计 40-42 5 陶瓷烧成温度预测控制算法研究 42-64 5.1 动态矩阵预测控制 42-47 5.2 基于人工神经网络模型预测 47-54 5.2.1 BP神经网络模型预测 47-49 5.2.2 RBF神经网络模型预测 49-54 5.3 基于支持向量机模型预测 54-59 5.4 控制参数影响 59-60 5.5 陶瓷烧成温度动态矩阵预测控制 60-64 结论 64-65 致谢 65-66 参考文献 66-69 攻读学位期间的研究成果 69
|
相似论文
- 卫星姿态的磁控制方法研究,V448.222
- 高精度激光跟踪装置闭环控制若干关键问题研究,TN249
- 交联电缆生产线电控系统的研制,TP273.5
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 半导体激光器温度控制系统的研究,TP273
- 网络化系统的鲁棒模型预测控制,TP273
- 硝酸钠制配过程中pH值的预测控制及仿真研究,TP273
- 多层共挤流涎成形过程温度控制技术研究,TQ320.721
- 基于FNN的电压力锅控制系统研究与设计,TM925.5
- 结构振动的逆系统预测控制,TU311.3
- 纯碱生产煅烧过程优化控制策略研究,TP273
- 新型干法水泥生产过程优化控制策略研究,TP273
- 循环流化床锅炉燃烧建模与优化控制,TK229.66
- 预测控制在电厂过热蒸汽温度控制中的应用,TM76
- 电磁搅拌器自适应模型预测控制系统的设计与实现,TP273
- 基因扩增分析仪的研究与开发,TP216.3
- 基于图像处理的消防水炮自动定位研究,TP391.41
- 电弧炉电极升降死区非线性系统的预测控制,TF741.5
- 基于MPC的网络化控制系统的容错控制方法研究,TP273.5
- 基于时延补偿和预测控制的网络控制系统研究,TP273
- 新型干法水泥窑分解炉温度控制方法研究,TQ172.62
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 自动控制、自动控制系统
© 2012 www.xueweilunwen.com
|