马蹄焰玻璃窑炉系统关键技术研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 1 绪论 | 第12-27页 |
| 1.1 课题研究背景 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-24页 |
| 1.2.1 马蹄焰玻璃窑炉国外研究现状 | 第14-17页 |
| 1.2.2 马蹄焰玻璃窑炉国内研究现状 | 第17-24页 |
| 1.3 课题主要研究内容 | 第24-25页 |
| 1.4 课题研究意义 | 第25-27页 |
| 2 马蹄焰玻璃窑炉的结构及工作原理 | 第27-43页 |
| 2.1 马蹄焰玻璃窑炉整体结构设计 | 第27-32页 |
| 2.2 池窑中不同温区的反应形式 | 第32-33页 |
| 2.3 蓄热室数学模型的研究 | 第33-40页 |
| 2.3.1 蓄热室内气流场的三维数学模型的建立 | 第33-35页 |
| 2.3.2 源项和空度的计算 | 第35-36页 |
| 2.3.3 蓄热室内温度场的三维数学模型的建立 | 第36-38页 |
| 2.3.4 集总换热系数的数值计算 | 第38-40页 |
| 2.4 窑炉运行工艺流程 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 3 窑炉温度数学模型的辨识与分析 | 第43-79页 |
| 3.1 前言 | 第43页 |
| 3.2 窑炉系统耦合分析 | 第43-45页 |
| 3.3 不变性原理解耦算法 | 第45-47页 |
| 3.4 窑炉温度系统模型辨识 | 第47-63页 |
| 3.4.1 参数模型辨识原理 | 第47-48页 |
| 3.4.2 参数模型辨识步骤 | 第48-50页 |
| 3.4.3 带控制量的自回归模型 | 第50-53页 |
| 3.4.3.1 模型结构参数的确定 | 第51-52页 |
| 3.4.3.2 数据的采集与处理 | 第52-53页 |
| 3.4.4 模型参数辨识方法与分析 | 第53-60页 |
| 3.4.4.1 模型参数的LS估计 | 第53-55页 |
| 3.4.4.2 模型参数的RLS估计 | 第55-57页 |
| 3.4.4.3 模型参数的FFRLS估计 | 第57-58页 |
| 3.4.4.4 模型参数的RGC估计 | 第58-60页 |
| 3.4.5 模型检验与转换 | 第60-63页 |
| 3.4.5.1 模型辨识结果 | 第60-61页 |
| 3.4.5.2 模型参数的仿真分析 | 第61-62页 |
| 3.4.5.3 辨识模型的转换 | 第62-63页 |
| 3.5 辨识系统性能常规分析 | 第63-68页 |
| 3.5.1 窑炉温度系统时域分析 | 第63-66页 |
| 3.5.2 窑炉温度系统频域分析 | 第66-68页 |
| 3.6 PID调节对系统性能的影响 | 第68-77页 |
| 3.6.1 有静差调节分析 | 第69-70页 |
| 3.6.2 积分速度调节分析 | 第70-72页 |
| 3.6.3 比例积分调节分析 | 第72-74页 |
| 3.6.4 比例微分调节分析 | 第74-76页 |
| 3.6.5 PID调节分析 | 第76-77页 |
| 3.7 本章小结 | 第77-79页 |
| 4 窑炉温度系统控制方法研究 | 第79-124页 |
| 4.1 引言 | 第79页 |
| 4.2 窑炉温度控制系统的参数整定 | 第79-94页 |
| 4.2.1 控制器相关参数调节要求 | 第80-81页 |
| 4.2.2 参数的现场凑试 | 第81-82页 |
| 4.2.3 临界比例度算法 | 第82-85页 |
| 4.2.4 改进内模控制算法 | 第85-89页 |
| 4.2.5 迭代反馈调整算法 | 第89-91页 |
| 4.2.6 IFT与传统控制方法性能比较 | 第91-94页 |
| 4.3 改进PID控制算法 | 第94-99页 |
| 4.3.1 窑炉温度系统的积分分离控制及分析 | 第95-96页 |
| 4.3.2 窑炉温度系统不完全微分控制及分析 | 第96-99页 |
| 4.4 窑炉温度模糊控制器设计 | 第99-104页 |
| 4.4.1 模糊控制基本原理 | 第100-102页 |
| 4.4.2 模糊控制器设计步骤 | 第102-104页 |
| 4.5 基于二维模糊控制器的窑炉温度自适应控制 | 第104-113页 |
| 4.5.1 二维模糊自适应控制器的设计 | 第105-108页 |
| 4.5.2 仿真及分析 | 第108-113页 |
| 4.6 基于MAMDANI模型的模糊神经控制 | 第113-122页 |
| 4.6.1 Mamdani模型的建立 | 第113页 |
| 4.6.2 FNN控制器的的设计 | 第113-119页 |
| 4.6.2.1 FNN的结构 | 第114-116页 |
| 4.6.2.2 FNN的学习算法 | 第116-119页 |
| 4.6.3 仿真与分析 | 第119-122页 |
| 4.7 本章小结 | 第122-124页 |
| 5 窑炉配料控制系统的设计 | 第124-150页 |
| 5.1 引言 | 第124页 |
| 5.2 配料系统控制方法研究 | 第124-128页 |
| 5.3 配料工艺流程 | 第128-129页 |
| 5.4 配料控制系统组成 | 第129-130页 |
| 5.5 PLC控制系统的设计 | 第130-132页 |
| 5.6 给料系统的设计 | 第132-133页 |
| 5.7 称重系统的设计 | 第133-138页 |
| 5.7.1 电阻应变式称重传感器结构 | 第133-137页 |
| 5.7.2 称重传感器的连接 | 第137-138页 |
| 5.8 通讯系统的设计 | 第138-145页 |
| 5.8.1 开关量接口的连接 | 第140-142页 |
| 5.8.2 串行口及电源的连接 | 第142-143页 |
| 5.8.3 通讯协议宏的应用 | 第143-145页 |
| 5.9 全自动配料过程 | 第145-147页 |
| 5.10系统监控程序设计 | 第147-149页 |
| 5.11本章小结 | 第149-150页 |
| 6 进化神经网络对配料混合均匀度的预测研究 | 第150-169页 |
| 6.1 引言 | 第150页 |
| 6.2 进化算法机理 | 第150-152页 |
| 6.3 进化算法基本要素确定 | 第152-153页 |
| 6.4 非线性系统模型建立 | 第153-156页 |
| 6.4.1 进化算法优化神经网络过程 | 第153-154页 |
| 6.4.2 遗传算法实现 | 第154-156页 |
| 6.4.2.1 适应度函数的建立 | 第154页 |
| 6.4.2.2 选择函数的建立 | 第154-155页 |
| 6.4.2.3 交叉函数的建立 | 第155页 |
| 6.4.2.4 变异函数的建立 | 第155-156页 |
| 6.4.2.5 遗传算法主函数 | 第156页 |
| 6.5 进化BP神经网络性能分析 | 第156-167页 |
| 6.5.1 马蹄焰窑炉配料混合均匀度预测分析 | 第156-162页 |
| 6.5.2 多入多出非线性系统输出预测分析 | 第162-167页 |
| 6.5.2.1 输入输出向量设计 | 第163-164页 |
| 6.5.2.2 BP神经网络设计 | 第164-165页 |
| 6.5.2.3 BP神经网络性能分析 | 第165-167页 |
| 6.6 本章小结 | 第167-169页 |
| 7 窑炉配料混合均匀度非线性函数极值寻优 | 第169-188页 |
| 7.1 引言 | 第169页 |
| 7.2 非线性函数结构 | 第169-170页 |
| 7.3 神经单元输出数学模型 | 第170-173页 |
| 7.4 梯度下降误差反向传播学习算法 | 第173-176页 |
| 7.5 非线性函数预测功能实现 | 第176-181页 |
| 7.5.1 数据选择和归一化 | 第176-177页 |
| 7.5.2 适应度函数结构确定 | 第177-178页 |
| 7.5.3 非线性函数预测结果分析 | 第178-181页 |
| 7.6 混合均匀度极值寻优 | 第181-184页 |
| 7.6.1 优化算法流程 | 第181-182页 |
| 7.6.2 优化方案设计 | 第182-183页 |
| 7.6.3 原料组合优化 | 第183-184页 |
| 7.7 优化结果分析 | 第184-186页 |
| 7.8 本章小结 | 第186-188页 |
| 8 总结与展望 | 第188-191页 |
| 8.1 总结 | 第188-190页 |
| 8.2 展望 | 第190-191页 |
| 参考文献 | 第191-201页 |
| 致谢 | 第201-202页 |
| 攻读学位期间发表的学术论文及其他成果目录 | 第202-204页 |
