一、基于神经网络的热处理炉温度自校正控制系统（论文文献综述）
彭刘涛[1]（2020）在《基于机理和数据驱动混合建模的真空烧结炉温度软测量研究》文中认为针对目前温度传感器无法直接对真空烧结炉的内部高温区进行测量,导致在实际生产中无法对真空烧结炉内部的温度精确掌控。而真空烧结炉的温度变化对烧结材料的品质又至关重要,因此对真空烧结炉的内部温度进行精确掌控,不仅能对烧结产品的质量有所保障,也能控制在烧成过程中的不定性因素并及时进行调整,以保证烧结过程的正常运行,针对此问题本文提出基于机理和数据驱动混合建模的方法对真空烧结炉的温度进行软测量研究。随着软测量技术的不断研究以及工程上应用越来越广泛,其主要方法是通过机理分析、数据驱动进行软测量研究,而仅仅只是用机理分析或单独用数据驱动的方法,无法准确的描述出真空烧结炉升温过程的非线性和强滞后的问题,从而难以对真空烧结炉的温度变化进行实时在线预测。针对此情况,本文结合机理建模的方法建立温度模型,在此基础上利用可测得实验数据与仿真数据进行温度误差补偿,用机理分析和数据驱动混合建模的方法去弥补两者的不足之处,使得建立的温度模型逼近实际工况,让模型更具说服力。本文的主要内容是对真空烧结炉的温度进行软测量研究。具体内容如下:机理温度建模、数值模拟仿真、基于BP神经网络的方法进行温度误差补偿、真空烧结炉温度预测系统的实现。首先,通过建立真空烧结炉温度的机理模型,可得到电热转换模型和发热体与炉内工件之间的机理模型;再根据真空烧结炉的二维模型与实际工艺参数,通过ANSYS-fluent有限元分析软件对内部温度场进行仿真获取温度数据;再利用BP神经网络对已有的实验数据与仿真温度数据在机理建模的基础上做温度误差补偿研究;最后建立真空烧结炉的温度预测系统。其工作如下:（1）为了解决真空烧结炉工作过程中无法精确掌握炉内温度的问题,使用软测量的方法对其温度进行研究。首先建立真烧结炉的温度机理模型,对加热升温过程进行物理分析、建立温度模型,对于真空烧结炉的结构特点、工件分布、热电偶工况及加热管的分布进行了详细的叙述,以便于后续章节中对炉子的温度场分布进行数值模拟分析。同时结合炉子的工作原理和传热过程分析,对真空烧结炉在辐射传热过程中的辐射力、系统发射率和角系数进行计算,最后通过机理分析、物理几何分析以及求解所得各参数建立真空烧结炉工作时的温度计算模型。（2）为了解决高温情况下,真空烧结炉内部参数无法直接获取的难题,根据所建立的温度模型选择材料的参数、工况以及本身工作环境设置为研究对象,使用有限元分析软件对真空烧结炉的温度场进行模拟仿真,对不同工艺参数设置下的升温过程进行分析仿真,并对仿真结果与实验数据采集进行分析与比较验证仿真结果的可靠性,同时获取研究所需的温度数据。（3）为了解决单一机理建模不精确的问题,因此在机理建模的基础上使用BP神经网络做温度误差补偿,让建立的温度模型更加趋近实际工况下的炉内温度。此部分用实验采集数据与仿真数据相结合的方法,运用BP神经网络求解得到的温度误差值。最后得到混合建模下的温度模型,并通过实验数据对混合模型下的温度和单一机理建模的温度进行了温差比较。（4）根据上面建立的温度模型,使用MATLAB GUI软件设计真空烧结炉的温度预测系统,建立各个模块功能,对真空烧结炉升温过程的温度进行实时控制与调整。
周信[2]（2020）在《基于模糊RBF神经网络PID的加热炉温度控制系统设计》文中研究指明加热炉作为钢铁领域轧钢热处理中的一个重要设备,其炉温控制效果和自动控制水平直接关系到钢坯的质量与产量,而加热炉的炉温控制较为复杂,炉膛中的燃气燃烧过程受到外界多个因素影响,且炉温控制系统具有非线性、纯滞后、大惯性、强耦合等特点,因此使用常规的控制方法很难实现对炉温进行精确有效的控制。为此,本文提出将模糊推理、RBF神经网络和常规PID调节器相结合的控制策略,并将该控制策略应用到加热炉温度控制之中。首先,在详细分析加热炉温度控制系统工作原理的基础上,提出利用即具有模糊系统推理能力又具有RBF神经网络自学习能力的RBF神经网络在线识别PID调节器的比例、积分、微分的控制策略,并将该控制策略应用到加热炉温度控制系统中。仿真结果表明:本文提出的模糊RBF神经网络PID算法与常规PID、模糊PID、RBF神经网络PID相比,模糊RBF神经网络PID具有响应快、超调小、抗干扰能力强等优点。其次,结合轧钢热处理过程的要求,针对步进式加热炉给出了烟道和水封槽检测系统、空气和煤气主管道检测控制系统、上均热段检测控制系统、下均热段检测控制系统、三上加热段检测控制系统、三下加热段检测控制系统、二上加热段检测控制系统、二下加热段检测控制系统、一上加热段检测控制系统、一下加热段检测控制系统、炉底冷却水和氮气检测控制系统等子系统的设计方案,及加热炉控制系统的软件设计方案。并将该设计方案应用到在某钢厂的轧钢热处理控制过程,经过离线测试表明,该系统能够满足生产线上对钢坯进行均匀加热的要求,具有实用性。
于越[3]（2019）在《危险废物焚烧处理过程模拟与优化》文中研究说明伴随着我国工业水平的不断提高,大量产生的危险废物成为了威胁可持续发展、绿色发展的一大问题。在各种危险废物处理方法中,焚烧法因其能够分解大部分有害物质以及较强的减量处理效果成为了普遍采用的处理方法,其中又以回转窑设备使用最为广泛。本文根据鲁南某危险废物集中处理中心回转窑设施的实际运行状况调研结果,对于运行过程中出现的窑内温度波动大、非计划停机次数多等问题进行了分析,提出采用进料配伍以及通过模型预测控制方法改进控制系统以提升回转窑焚烧过程运行的稳定性和经济性,具体包括如下研究:1)对于危险废物及其处理处置过程进行了介绍,并重点概述了回转窑在处理危险废物中的应用。2)通过实地调研探究回转窑处理危险废物过程中存在的问题,通过对运行数据进行分析得出了对物料进行配伍是最方便、实用改进方案的结论。3)根据回转窑内热平衡建立回转窑处理危险废物过程的稳态一维传热模型,尤其是包括固态物料随窑内温度升高而发生的质量变化以及由此导致的窑内换热面积、换热系数的改变。4)通过优化计算模型设计一种具有多种策略选择的危险废物焚烧处理配伍程序对危险废物进料进行模拟配伍,并将计算结果与未配伍部分进行对比。5)提出使用模型预测控制方法实现危险废物处理过程自动化控制的解决思路,同时提出采用模块化建模对危险废物回转窑处理过程进行建模,并在设施现有的运行监控界面基础上提出了一种预测控制操作界面。本文采用gPROMS作为过程模拟软件,充分利用了该软件开放性的自定义模型功能,结合文献调研搜集到的相关数学模型对危险废物焚烧过程进行恰当的建模,并对实际焚烧处置过程进行模拟研究。
宋东东[4]（2019）在《真空炉红外温度监控系统的研究》文中提出真空炉热处理设备具备对环境无污染的优势,不用进行三废的处理,随着真空炉热处理技术日益进步,人们在社会生产中对真空炉的应用也越来越广泛。加热炉是真空热处理系统中的核心部件,对其温度的测量和控制显得格外重要。能够实时对真空炉中的温度进行准确测量显示,并能快速的对真空炉炉体的温度进行控制,这样对进行真空热处理材料的热反应和加工工艺的提升有着非常重要的作用。本论文的设计以实现对真空炉的温度进行实时准确测量和快速的温度控制为目标。通过对比接触式与非接触式的测温的优势与弊端,本文选择非接触式红外的测温方式,并通过在真空炉观察窗口加入气管吹尘的方式,实现了测温仪能够长时间连续对真空炉测温。由于利用非接触红外测温方式存在受发射率影响测温值的弊端,且目标发射率并不唯一,还随着温度的变化而变化,通过利用双波比值的方式对目标发射率进行修正,其大大提高了测温仪测量的精确度,并利用ANSYS软件有限元思想将真空炉电磁加热炉的温度场进行初步探索。在确定了真空炉温度的测量方式后,本文设计了真空炉温度监控系统硬件各个部分的方案,包含着光路、电源及数据传输等部分。电源充电的方式采用了先进的无线充电方式。数据的发送与接收从以前的有线改变成无线的方式。并对传统的双光路光路部分进行了改进,继而使用单光路测量的方式,光路结构的改变减小了测量温度的工艺与环境干扰的误差。本文为实现对加热炉的温度控制,通过分析针对真空炉温度控制的智能控制策略,选择了模糊自适应PID控制策略,并进行了模糊自适应PID控制的仿真与分析。最后通过搭建实验平台并通过上位机设置目标温度值,控制器通过由测温仪发送过来的数值运用智能控制策略,控制IGBT以改变电流频率,从而实现对真空炉温度的快速控制。经过对多级连续电磁加热式真空炉的现场试验,测温仪测量的精度在0.3%以内,并且能够快速实现对温度的控制。
闵天[5]（2018）在《蓄热式加热炉炉温先进控制系统的研究与应用》文中研究表明加热炉是钢铁企业用于钢坯轧制前加热的重要设备,同时也是最主要的能耗设备。加热炉燃烧控制系统复杂,且炉温对象具有大滞后、大惯性等特点,因此,研究加热炉炉温先进控制策略对于提高加热炉的控制品质,以及钢铁企业的节能降耗具有重要的意义。本文以江苏省扬州市某蓄热步进梁式加热炉为研究对象,在生产现场已有控制系统硬件的基础上,设计并实现了加热炉先进控制系统,并成功应用。投运结果表明该控制系统可以降低钢坯的氧化烧损、减少燃料消耗。分析该先进控制系统在生产现场运行情况,本文提出了一种基于小波神经网络预测控制的加热炉炉温控制策略。论文的主要工作如下:1、分析加热炉炉温对象,研究炉温和煤气流量以及空气流量之间的关系,构建了炉温-流量串级比值控制系统,设计了炉温的广义预测控制器。针对烟气温度设计PID控制回路,构建了先进控制系统硬件平台,设计了先进控制系统操作界面等工作。2、针对该项目在实施过程中遇到的问题,对先进控制系统进行优化,包括改进换向过程控制、应用加热炉多模型控制使加热炉在各负荷段均有较好的控制品质以及控制器抗饱和处理等。通过整定各控制回路的参数,将先进控制系统进行实际应用,投运结果表明该先进控制系统不仅提高了产品质量,而且降低了钢坯氧化烧损,为企业提高了经济效益。3、由于加热炉炉温对象具有不确定性和非线性,而神经网络具有较好的非线性系统逼近能力。本文提出采用小波神经网络建立加热炉炉温预测模型,以预测炉温未来输出值,并根据二次型性能指标构建炉温预测控制器,通过滚动优化控制器修正神经网络的参数,得到系统未来的控制量。仿真结果表明,该算法对炉温的变化具有良好的跟踪性,调整周期较短。
王金莉,张文光,王小文[6]（2017）在《CPLD控制下热处理电阻炉温度控制系统的设计》文中提出提出了一种CPLD控制下的热处理电阻炉温度控制系统。通过对热处理工艺及常用箱式电阻炉工作原理进行分析,确定控制对象。然后利用ALTERA公司的5M160ZE64I5N型CPLD可编程逻辑器件作为核心,设计了硬件电路,同时耦合神经网络改进的PID算法作为核心的软件系统,完成了电阻炉温度控制系统的设计。最后设计了仿真实验,通过仿真实验表明,本文设计的电阻炉温度控制系统能对电阻炉加热温度进行实时有效的控制。
郭雯[7]（2016）在《脉冲燃烧式退火炉温度控制系统的研究》文中研究表明退火炉在钢铁工业中占有十分重要的地位。因为温度控制具有大惯性、滞后性、非线性和强耦合的特点,在常规的温度控制系统中,控制器是难以全面考虑各种因素对控制对象产生的影响。如果不能及时准确地调节和稳定地控制温度,就会直接影响到整个退火过程,甚至影响到退火产品质量。所以,需要研究新型的智能温度控制器,使得温度控制更加准确和稳定。本课题的研究内容来源于“甲醇生产线温度检测系统”和“特钢退火炉设计”的实际工程,主要设计了退火炉结构设计、部分硬件控制系统设计,并提出了针对退火炉温度均匀性控制策略。主要完成以下工作:（1）退火炉的硬件系统设计主要包括硬件系统结构设计,温度检测电路设计,热电偶的选型及组态,点火系统的设计等。（2）根据工程的实际需要,提出了退火炉温度控制系统按升温阶段、保温阶段、降温阶段的分段控制策略,重点研究了保温阶段的控制策略,设计了以模糊PID为主控器,以神经网络为优化调节器,实现BP神经网络和模糊PID的复合控制,在控制策略上,即考虑到各温度区的控制性能,又兼顾其他温度区的调节性能,使各区温度具有良好的动态性能和稳态性能,保持温度控制的均匀性。（3）设计PLC与工控机组成的双控制器,温度控制系统选择工业装配型热电偶作为温度测量装置,选取西门子PLC作为控制器,其中包括执行通道的PLC扩展模块和信息采集通道的模拟量输入模块。通过I/O接口 DB3102与西门子PLCS7-300进行通信。这种组合的控制器既可以充分发挥PLC在工业领域兼容性好,扩展容易,稳定性强的优点,还体现出了工控机容易实现神经网络智能算法控制的优势。仿真实验结果表明:采用神经网络和模糊PID的复合控制具有良好的动态性能和稳态性能,提高了控制效果。
杨馥华[8]（2015）在《基于BP神经网络多用炉炉温预测控制》文中指出近年来,随着工业控制技术的提高,航空航天技术、风电、交通运输、机械等行业迅速发展,对工件的精密热处理要求越来越高。热处理在一定程度上,直接反映我国的工业水平。温度、碳势、氮势等是影响产品热处理质量的重要指标。热处理炉的先进控制系统、可控气氛热处理、真空热处理得到了广泛关注和快速发展。可以在生产过程中,实现对各种参数的精确控制,使工件无氧化、无脱碳,表面质量好,畸变小。热处理炉是一个复杂的被控对象,存在着非线性、时变性、纯滞后因素和不确定随机干扰等因素,因此基于精确数学模型的控制方法受到很大限制,传统的PID控制难以满足温度控制精度和升温实时性要求。本文在这样的背景下,研究了热处理的温度优化控制方法。综述了预测控制和神经网络的理论和应用,并以某公司的可控气氛多用炉为对象,针对其多变量、非线性、大惯性和纯滞后的特点,结合神经网络和预测控制算法,提出了基于BP神经网络的预测控制算法。建立多用炉炉温预测模型,并且在模型的基础上,对BP算法进行优化,利用现场数据对模型训练,以预测未来的炉温输出值。结合预测控制算法,采用反馈校正,克服系统中其他干扰造成的模型误差,然后对控制量进行滚动优化,得到系统最优控制序列。通过MATLAB软件仿真,验证模型的预测输出,在可控误差范围内,验证模型有效性。对预测控制算法的主要参数进行调整,选取最优控制参数,取得了较快的响应速度,基本不存在超调。把该模型应用到某公司1号多用炉温度控制系统中,取得了较好的实践效果。
孙玉新,闫思江,李凡国[9]（2015）在《热处理炉综合式自校正温控系统研究》文中认为针对铸造用热处理炉温度的动态响应延迟和滞后的特点,本文基于综合式自校正PID原理,利用自校正PID控制器对热处理炉温控系统进行串级控制再设计,并设计了二级调节器的串级温度控制系统。结果表明,综合式自校正PID串级温度控制系统可以有效地提高热处理炉温度控制系统的稳定性并改善了系统的鲁棒性,优于传统的PID控制方法。
芮慧娟[10]（2014）在《基于动态模糊神经网络的热处理炉建模与优化研究》文中认为硅钢定子与转子热处理炉是电机生产环节中重要的连续退火和发蓝工艺处理设备。合理设置热处理炉各区温度、保护气浓度等参数,不仅能保证定子与转子的生产质量,而且能够降低热处理炉能量的消耗。因此,开展热处理炉建模与优化问题的研究具有重要的应用价值。本文以隧道发蓝热处理炉为应用背景,取得了以下研究成果：1)提出了基于动态模糊神经网络的复杂系统建模方法。通过对对象的分析,筛选合适的模型和输入变量,实现对非线性动态系统的建模。论文通过模型预测输出仿真验证了建模方法的可行性。2)基于动态模糊神经网络模型,应用粒子群算法进行生产工艺的操作优化。通过调整动态模糊神经网络的前提参数,对输入数据进行分析,找出影响对象输出的参数,利用粒子群算法在建立模型的基础上对参数进行优化。3)基于从热处理炉现场采集的操作数据,进行动态模糊神经网络建模和粒子群操作优化研究。从仿真结果中发现,采用优化后的保护气浓度参数建立模型得到的输出结果较好,误差已经缩小到允许的范围内。在实际操作中,将优化后的操作参数与实际操作参数进行对比,就能判断硅钢在热处理过程是否异常,以便采取有效控制和处理来保证硅钢的质量。仿真结果表明本文所做的基于动态模糊神经网络的热处理炉建模及优化研究具有一定的可用于指导实际生产操作的价值。
二、基于神经网络的热处理炉温度自校正控制系统（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、基于神经网络的热处理炉温度自校正控制系统（论文提纲范文）
（1）基于机理和数据驱动混合建模的真空烧结炉温度软测量研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 软测量概述 |
| 1.2.2 软测量技术在热工设备中的应用 |
| 1.2.3 数值模拟的应用现状 |
| 1.2.4 混合建模的研究现状 |
| 1.3 本文的研究内容及思路 |
| 第二章 真空烧结炉机理建模方法研究 |
| 2.1 引言 |
| 2.2 真空烧结炉结构及工作原理 |
| 2.2.1 真空烧结炉的工作原理 |
| 2.2.2 真空烧结炉的结构组成 |
| 2.3 机理建模过程 |
| 2.3.1 电热转换模型 |
| 2.3.2 真空烧结炉辐射力计算 |
| 2.3.3 辐射传热系统发射率计算 |
| 2.3.4 辐射传热角系数计算 |
| 2.3.5 机理温度模型 |
| 2.4 本章小结 |
| 第三章 基于ANSYS-fluent真空烧结炉的温度场仿真 |
| 3.1 引言 |
| 3.2 烧结炉温度场仿真模型的构建 |
| 3.2.1 仿真流程及参数设定 |
| 3.2.2 几何模型的构建 |
| 3.2.3 网格划分 |
| 3.3 仿真结果及验证 |
| 3.4 实际温度与机理温度对比 |
| 3.5 本章小结 |
| 第四章 基于BP神经网络的温度误差补偿研究 |
| 4.1 引言 |
| 4.2 BP神经网络温度误差拟合 |
| 4.2.1 构建流程 |
| 4.2.2 BP神经网络拟合过程 |
| 4.2.3 结果和验证 |
| 4.3 真空烧结炉的温度软测量模型建立 |
| 4.4 模型结果验证 |
| 4.5 本章小结 |
| 第五章 真空烧结炉温度预测系统 |
| 5.1 引言 |
| 5.2 温度预测系统框架体系 |
| 5.3 系统功能模块设计 |
| 5.3.1 仿真模型构建模块 |
| 5.3.2 机理温度模型构建模块 |
| 5.3.3 BP神经网络温度误差补偿模块 |
| 5.3.4 真空烧结炉温度预测系统 |
| 5.4 温度预测系统验证 |
| 5.4.1 仿真模型构建结果 |
| 5.4.2 机理温度模型计算 |
| 5.4.3 BP神经网络温度误差补偿 |
| 5.4.4 真空烧结炉温度预测系统实现 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（2）基于模糊RBF神经网络PID的加热炉温度控制系统设计（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 1.绪论 |
| 1.1 加热炉炉温控制研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 加热炉的发展 |
| 1.3 加热炉的研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 本文完成的主要工作 |
| 2.加热炉燃烧控制系统概况 |
| 2.1 燃烧控制系统简介 |
| 2.2 加热炉的燃烧控制系统 |
| 2.2.1 助燃控制和燃烧气体控制系统 |
| 2.2.2 燃烧控制方法 |
| 2.3 加热炉燃烧控制中存在的问题 |
| 2.4 本章小结 |
| 3.加热炉温度控制的建模和仿真 |
| 3.1 加热炉燃烧控制模型 |
| 3.2 基于常规PID的加热炉温度控制系统设计 |
| 3.2.1 常规PID理论基础 |
| 3.2.2 基于常规PID加热炉温度控制系统仿真 |
| 3.3 基于模糊PID的加热炉温度控制系统设计 |
| 3.3.1 模糊控制系统的组成 |
| 3.3.2 模糊PID控制原理 |
| 3.3.3 模糊PID控制器参数整定算法 |
| 3.3.4 基于模糊PID加热炉温度控制系统仿真 |
| 3.4 基于RBF神经网络PID调节器温度控制系统设计 |
| 3.4.1 RBF神经网络的原理和结构 |
| 3.4.2 RBF神经网络学习算法 |
| 3.4.3 RBF网络PID整定原理 |
| 3.4.4 基于RBF神经网络PID的加热炉温度控制系统仿真 |
| 3.5 基于模糊RBF神经网络PID的加热炉温度控制系统设计 |
| 3.5.1 加热炉模糊神经网络PID控制原理 |
| 3.5.2 模糊神经网络的结构 |
| 3.5.3 模糊神经网络各层的关系 |
| 3.5.4 模糊神经网络PID学习算法 |
| 3.5.5 模糊神经网络PID学习步骤 |
| 3.6 四种PID控制仿真结果比较 |
| 3.7 本章小结 |
| 4.加热炉温度控制系统设计 |
| 4.1 步进式加热炉的生产工艺 |
| 4.2 加热炉控制系统总体设计 |
| 4.2.1 烟道和水封槽检测系统设计 |
| 4.2.2 空气和煤气主管道检测控制系统设计 |
| 4.2.3 上均热段检测控制系统设计 |
| 4.2.4 下均热段检测控制系统设计 |
| 4.2.5 三上加热段检测控制系统设计 |
| 4.2.6 三下加热段检测控制系统设计 |
| 4.2.7 二上加热段检测控制系统设计 |
| 4.2.8 二下加热段检测控制系统设计 |
| 4.2.9 一上加热段检测控制系统设计 |
| 4.2.10 一下加热段检测控制系统设计 |
| 4.2.11 炉底冷却水和氮气检测控制系统设计 |
| 4.3 加热炉温度控制系统软件设计 |
| 4.3.1 下位机软件PLC设计 |
| 4.3.2 上位机软件WINCC设计 |
| 4.4 本章小结 |
| 5.总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）危险废物焚烧处理过程模拟与优化（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 文献综述 |
| 1.1 危险废物 |
| 1.2 危险废物处理 |
| 1.2.1 危险废物的资源化处理 |
| 1.2.1.1 危险废物直接利用 |
| 1.2.1.2 危险废物回收再利用 |
| 1.2.1.3 危险废物能源化利用 |
| 1.2.2 危险废物的减量处理与最终处置 |
| 1.2.2.1 危险废物减量处理-焚烧处理 |
| 1.2.2.2 危险废物最终处置 |
| 1.3 回转窑在处理危险废物中的应用与问题 |
| 1.3.1 回转窑处理设备 |
| 1.3.2 回转窑在处理危险废物中的应用 |
| 1.3.3 回转窑在处理危险废物中的问题 |
| 1.4 危险废物回转窑焚烧配伍的意义 |
| 1.4.1 焚烧炉温度对焚烧处理过程的影响 |
| 1.4.2 危险废物组成对焚烧处理过程的影响 |
| 1.5 流程模拟软件gPROMS简介 |
| 1.6 本课题的主要研究内容 |
| 第2章 典型危险废物焚烧处理过程研究 |
| 2.1 危险废物焚烧处理实地调查 |
| 2.1.1 处理物料分析 |
| 2.1.2 焚烧处理装置运行分析 |
| 2.1.3 运行问题讨论 |
| 2.1.3.1 回转窑设备结构对焚烧温度的影响 |
| 2.1.3.2 焚烧处理过程控制对焚烧温度的影响 |
| 2.1.3.3 进料组成对焚烧温度的影响 |
| 2.2 本章小结 |
| 第3章 回转窑温度分布式模型 |
| 3.1 一维稳态无相变传热模型 |
| 3.1.1 对流换热项计算 |
| 3.1.2 辐射换热项计算 |
| 3.1.3 热传导换热项计算 |
| 3.1.4 环境散热项计算 |
| 3.1.5 回转窑一维传热模型 |
| 3.1.6 模型验证 |
| 3.2 一维稳态相变传热模型 |
| 3.2.1 相变计算 |
| 3.2.2 计算例与讨论 |
| 3.3 本章小结 |
| 本章符号说明表 |
| 第4章 危险废物回转窑焚烧配伍优化 |
| 4.1 配伍过程 |
| 4.2 危险废物焚烧配伍优化计算方法 |
| 4.2.1 危险废物焚烧配伍假设 |
| 4.2.2 危险废物焚烧配伍流程 |
| 4.2.3 危险废物焚烧配伍模块优化计算流程 |
| 4.3 优化模型 |
| 4.3.1 优化计算模型 |
| 4.3.1.1 质量误差 |
| 4.3.1.2 体积误差 |
| 4.3.1.3 混合物料热值误差 |
| 4.3.1.4 混合物料元素组成误差 |
| 4.3.1.5 模拟焚烧温度误差 |
| 4.3.1.6 尾气排放控制误差 |
| 4.3.1.7 经济性误差 |
| 4.3.2 优化目标函数模型 |
| 4.3.3 控制变量设置 |
| 4.3.4 约束条件设置 |
| 4.3.5 模型鲁棒性改进 |
| 4.4 计算例与讨论 |
| 4.5 本章小结 |
| 第5章 危险废物回转窑焚烧处理模块化建模与模型预测控制展望 |
| 5.1 前言 |
| 5.2 回转窑运行模块化建模 |
| 5.2.1 模块化建模思路 |
| 5.2.2 模块化建模结果输出 |
| 5.3 回转窑运行模型预测控制展望 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（4）真空炉红外温度监控系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的选题背景及意义 |
| 1.2 真空炉温度监控技术在国内外发展现状及趋势 |
| 1.3 论文的研究内容 |
| 1.4 本章小结 |
| 第2章 真空炉测温方式对比及选择 |
| 2.1 接触式测量温度方式 |
| 2.2 非接触式红外测温法 |
| 2.2.1 红外测温的理论基础 |
| 2.2.2 不同非接触测温方式简介 |
| 2.3 真空炉连续测温方式的确定 |
| 2.4 本章小结 |
| 第3章 真空炉温度监控系统的硬件设计 |
| 3.1 真空炉测温系统的光路设计 |
| 3.2 光电探测器及滤光片的确定 |
| 3.3 真空炉红外测温法监测系统的电路设计 |
| 3.3.1 主控芯片的确定 |
| 3.3.2 信号放大电路的设计 |
| 3.3.3 数据存储 |
| 3.3.4 供电电源部分 |
| 3.3.5 电机选择及驱动电路设计 |
| 3.3.6 数据传输 |
| 3.4 气体吹尘结构的设计 |
| 3.5 上位机设计 |
| 3.6 真空炉温度控制的硬件设计方案 |
| 3.7 本章小结 |
| 第4章 真空炉温度控制方式的仿真及分析 |
| 4.1 炉温控制方式的确定 |
| 4.2 模糊自适应PID控制算法 |
| 4.2.1 模糊控制的原理 |
| 4.2.2 模糊控制的特点 |
| 4.2.3 模糊化语言的建立 |
| 4.2.4 精确化 |
| 4.2.5 模糊规则库的建立 |
| 4.3 温度控制的应用仿真分析 |
| 4.3.1 温度对象数学模型的建立 |
| 4.3.2 仿真部分 |
| 4.3.3 应用分析部分 |
| 4.4 本章小结 |
| 第5章 目标温度场模型的研究 |
| 5.1 加热炉温度场模型初探 |
| 5.1.1 热辐射和热辐射率 |
| 5.1.2 加热炉温度场的经典热分析和有限元分析 |
| 5.2 ANSYS软件的初识 |
| 5.3 ANSYS软件对电磁加热炉的分析 |
| 5.4 本章小结 |
| 第6章 真空炉温度监控实验建立与数据分析 |
| 6.1 真空炉温度监控平台的搭建 |
| 6.2 测温仪的定标与标定 |
| 6.2.1 定标 |
| 6.2.2 标定 |
| 6.3 现场实验数据的采集及其误差分析 |
| 6.3.1 数据的采集 |
| 6.3.2 误差分析 |
| 6.4 本章小结 |
| 第7章 总结 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读学位期间研究成果 |
（5）蓄热式加热炉炉温先进控制系统的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 加热炉建模方法研究现状 |
| 1.2.2 加热炉控制技术研究现状 |
| 1.3 预测控制 |
| 1.3.1 预测控制的发展 |
| 1.3.2 传统预测控制存在问题 |
| 1.4 本文主要内容 |
| 第二章 蓄热式加热炉概述 |
| 2.1 热连轧工艺简介 |
| 2.2 蓄热步进式梁式加热炉 |
| 2.2.1 蓄热式燃烧技术 |
| 2.2.2 步进式加热炉 |
| 2.2.3 加热炉对象介绍 |
| 2.2.4 加热炉控制系统设计 |
| 2.3 加热炉主要控制回路 |
| 2.3.1 加热炉炉温控制回路 |
| 2.3.2 烟气温度控制回路 |
| 2.3.3 炉膛压力控制回路 |
| 2.4 生产现场研究对象存在的问题 |
| 2.5 本章小结 |
| 第三章 加热炉先进控制系统方案设计 |
| 3.1 数据预处理 |
| 3.1.1 数据滤波处理 |
| 3.1.2 数据归一化处理 |
| 3.2 批处理最小二乘 |
| 3.3 广义预测控制算法介绍 |
| 3.4 加热炉先进控制系统方案设计 |
| 3.4.1 炉温先进控制策略的设计 |
| 3.4.2 加热炉炉温控制系统硬件设计 |
| 3.4.3 图形界面设计 |
| 3.5 本章小结 |
| 第四章 加热炉先进控制系统方案优化与实现 |
| 4.1 加热炉先进控制系统优化方案 |
| 4.1.1 数据滤波处理优化 |
| 4.1.2 加热炉换向过程优化控制 |
| 4.1.3 炉温多模型优化控制 |
| 4.1.4 控制器抗饱和优化 |
| 4.2 加热炉先进控制系统实现与应用 |
| 4.2.1 炉温对象模型辨识 |
| 4.2.2 GPC控制器参数整定 |
| 4.2.3 PID控制器参数整定 |
| 4.3 加热炉先进控制系统应用 |
| 4.3.1 投运效果 |
| 4.3.2 节能计算 |
| 4.4 本章小结 |
| 第五章 小波神经网络预测控制在炉温控制中的研究 |
| 5.1 引言 |
| 5.2 小波神经网络理论基础 |
| 5.2.1 小波神经网络分类 |
| 5.2.2 小波神经网络算法及参数选择 |
| 5.3 小波神经网络预测模型 |
| 5.4 小波神经网络控制器设计 |
| 5.5 加热炉炉温预测控制系统仿真 |
| 5.5.1 小波神经网络预测模型 |
| 5.5.2 炉温预测控制器仿真 |
| 5.5.3 预测控制系统仿真 |
| 5.6 本章小结 |
| 第六章 论文工作总结 |
| 6.1 本文工作内容总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（6）CPLD控制下热处理电阻炉温度控制系统的设计（论文提纲范文）
| 1 控制对象及控制原理分析 |
| 1.1 控制对象分析 |
| 1.2 控制原理分析 |
| 2 硬件系统的实现 |
| 2.1 硬件选型分析 |
| 2.2 硬件系统设计 |
| 3 系统控制算法 |
| 4 仿真实验分析 |
| 5 小结 |
（7）脉冲燃烧式退火炉温度控制系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及目的意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究目的意义 |
| 1.2 退火炉技术的发展 |
| 1.2.1 退火炉的产生 |
| 1.2.2 退火炉的工作原理 |
| 1.2.3 退火炉的分类 |
| 1.3 退火炉的国内外研究与应用现状 |
| 1.3.1 国外研究与应用现状 |
| 1.3.2 国内研究与应用现状 |
| 1.4 退火炉控制系统在工业生产中存在的问题 |
| 1.5 主要工作 |
| 第二章 脉冲点火时序燃烧控制方式 |
| 2.1 退火炉设计 |
| 2.2 燃烧控制的基本原理 |
| 2.3 工业炉行业采用脉冲燃烧的必要性 |
| 2.4 脉冲式燃烧控制系统的工作原理 |
| 2.5 脉冲式燃烧控制系统的特点 |
| 2.6 脉冲式燃烧控制理论的总体结构 |
| 2.7 本章小结 |
| 第三章 工程背景 |
| 3.1 甲醇生产线温度检测系统 |
| 3.2 东北特钢退火炉温控系统设计 |
| 3.2.1 特钢退火炉控制功能的实现 |
| 3.2.2 特钢退火炉硬件设备 |
| 3.2.3 脉冲燃烧炉的电气自动化系统电气设计 |
| 3.2.4 自动化仪表的技术规格及要求 |
| 第四章 退火炉温度控制系统硬件设计 |
| 4.1 温度控制系统的总体设计 |
| 4.1.1 温度控制系统的总体设计 |
| 4.1.2 温度控制系统的组成 |
| 4.2 温度检测系统硬件设计 |
| 4.2.1 热电偶的选型 |
| 4.2.2 热电偶的补偿 |
| 4.2.3 热电偶的安装 |
| 4.2.4 热电偶的硬件组态 |
| 4.2.5 热电偶的测量与转换处理 |
| 4.3 点火控制系统硬件设计 |
| 4.4 脉冲燃烧系统硬件设计 |
| 4.4.1 脉冲燃烧控制系统 |
| 4.4.2 燃烧控制系统 |
| 4.4.3 脉冲燃烧控制 |
| 4.5 温度控制系统软件设计 |
| 4.6 本章小结 |
| 第五章 分段控制策略设计 |
| 5.1 控制策略依据 |
| 5.1.1 退火材料以及工艺选择 |
| 5.1.2 燃烧控制方式 |
| 5.2 退火炉温度控制策略 |
| 5.2.1 分段温度控制策略 |
| 5.2.2 分段控制的特点 |
| 5.3 温度控制效果的设计目标 |
| 5.4 温度控制系统控制参数的确定 |
| 5.5 本章小结 |
| 第六章 复合模糊神经网络控制器设计 |
| 6.1 模糊PID (Fuzzy-PID)参数自调整控制器设计 |
| 6.2 BP神经网络调节器设计 |
| 6.2.1 BP控制网络结构设计 |
| 6.2.2 BP神经网络算法 |
| 6.2.3 BP控制网络的训练 |
| 6.3 脉冲燃烧炉温度控制系统仿真曲线 |
| 6.4 本章小结 |
| 第七章 结论 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 致谢 |
（8）基于BP神经网络多用炉炉温预测控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1. 绪论 |
| 1.1 课题背景及意义 |
| 1.2 热处理炉加热控制技术 |
| 1.2.1 热处理炉发展 |
| 1.2.2 热处理炉加热控制技术 |
| 1.3 基于神经网络预测控制概述 |
| 1.3.1 预测控制概述 |
| 1.3.2 基于神经网络预测 |
| 1.4 本文主要工作 |
| 2. 可控气氛多用炉概述 |
| 2.1 多用炉生产线 |
| 2.2 多用炉控制系统 |
| 2.3 天然气加热系统 |
| 2.3.1 传统燃烧技术 |
| 2.3.2 脉冲燃烧控制 |
| 2.4 本章小结 |
| 3. 基于BP网络多用炉温度建模 |
| 3.1 BP神经网络 |
| 3.1.1 BP神经网络模型 |
| 3.1.2 BP网络训练算法 |
| 3.2 BP网络学习算法优缺点 |
| 3.3 BP算法改进 |
| 3.4 BP网络建立多用炉温度模型 |
| 3.4.1 输入、输出向量设计 |
| 3.4.2 网络模型建立 |
| 3.5 本章小结 |
| 4. 基于BP网络多用炉温度预测控制 |
| 4.1 模型预测控制基本原理 |
| 4.1.1 参考轨迹 |
| 4.1.2 预测模型 |
| 4.1.3 滚动优化 |
| 4.1.4 反馈校正 |
| 4.2 基于BP神经网络的预测控制 |
| 4.2.1 基于BP神经网络的多步预测模型 |
| 4.2.2 神经网络预测控制算法 |
| 4.3 多用炉温度控制过程仿真研究 |
| 4.4 本章小结 |
| 5. 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
| 作者简介 |
（9）热处理炉综合式自校正温控系统研究（论文提纲范文）
| 0 引言 |
| 1 热处理炉温度控制的再设计 |
| 1.1 热处理炉串级控制系统设计 |
| 1.2 热处理炉综合式自校正PID温度控制系统设计 |
| 2 有色噪声干扰下, 参数突变的系统仿真与分析 |
| 2.1 热处理炉温度控制的动态特性 |
| 3 结论 |
（10）基于动态模糊神经网络的热处理炉建模与优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外热处理炉控制研究与技术发展现状 |
| 1.2.1 神经网络在非线性系统建模中的研究现状 |
| 1.2.2 热处理炉操作优化的研究现状 |
| 1.3 本文的主要内容 |
| 第二章 隧道发蓝热处理炉工艺简介 |
| 2.1 引言 |
| 2.2 隧道发蓝热处理炉的基本结构和工作原理 |
| 2.2.1 隧道发蓝热处理炉结构及工艺 |
| 2.2.2 退火蓝化机理 |
| 2.3 隧道发蓝热处理炉系统的特性分析与工作难点 |
| 2.3.1 特性分析 |
| 2.3.2 控制难点 |
| 2.4 本章小结 |
| 第三章 基于动态模糊神经网络的对象建模 |
| 3.1 引言 |
| 3.2 动态模糊神经网络(D-FNN)模型结构 |
| 3.3 D-FNN网络的学习算法 |
| 3.3.1 概述 |
| 3.3.2 规则的提取方法 |
| 3.3.3 系统参数的优化配置 |
| 3.3.4 网络修剪技术 |
| 3.4 动态模糊神经网络模型的仿真实现 |
| 3.4.1 仿真过程 |
| 3.4.2 仿真结果及分析 |
| 3.5 本章小结 |
| 第四章 基于粒子群算法的操作条件优化 |
| 4.1 引言 |
| 4.2 粒子群优化算法 |
| 4.2.1 概述 |
| 4.2.2 粒子群优化算法的特点 |
| 4.2.3 粒子群算法的设计步骤 |
| 4.2.4 粒子群优化算法的参数控制 |
| 4.3 PSO算法的操作条件优化仿真实现 |
| 4.3.1 仿真过程 |
| 4.3.2 仿真结果及分析 |
| 4.4 本章小结 |
| 第五章 热处理炉操作优化系统的设计 |
| 5.1 引言 |
| 5.2 数据检测与控制 |
| 5.2.1 温度检测与控制 |
| 5.2.2 气体流量测量 |
| 5.2.3 保护气体浓度检测 |
| 5.3 热处理炉数据采集系统 |
| 5.3.1 ChiticVPR130无纸记录仪简介 |
| 5.3.2 数据采集系统 |
| 5.4 隧道发蓝加热炉温度等控制参数系统仿真结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
四、基于神经网络的热处理炉温度自校正控制系统（论文参考文献）
- [1]基于机理和数据驱动混合建模的真空烧结炉温度软测量研究[D]. 彭刘涛. 广东工业大学, 2020(06)
- [2]基于模糊RBF神经网络PID的加热炉温度控制系统设计[D]. 周信. 辽宁科技大学, 2020(02)
- [3]危险废物焚烧处理过程模拟与优化[D]. 于越. 福州大学, 2019(12)
- [4]真空炉红外温度监控系统的研究[D]. 宋东东. 长春工业大学, 2019(09)
- [5]蓄热式加热炉炉温先进控制系统的研究与应用[D]. 闵天. 中国科学技术大学, 2018(01)
- [6]CPLD控制下热处理电阻炉温度控制系统的设计[J]. 王金莉,张文光,王小文. 铸造技术, 2017(05)
- [7]脉冲燃烧式退火炉温度控制系统的研究[D]. 郭雯. 沈阳建筑大学, 2016(08)
- [8]基于BP神经网络多用炉炉温预测控制[D]. 杨馥华. 辽宁科技大学, 2015(05)
- [9]热处理炉综合式自校正温控系统研究[J]. 孙玉新,闫思江,李凡国. 机电设备, 2015(03)
- [10]基于动态模糊神经网络的热处理炉建模与优化研究[D]. 芮慧娟. 浙江工业大学, 2014(03)