首页--工业技术论文--冶金工业论文--炼钢论文--炼钢炉论文--电炉论文--电弧炉论文

真空自耗电弧炉电极控制系统研究

摘要第1-5页
ABSTRACT第5-9页
1 绪论第9-15页
   ·课题研究背景第9-10页
   ·国内外发展现状和存在的问题第10-14页
     ·真空自耗电弧炉冶炼的发展历程第10-11页
     ·真空自耗电弧炉模型及控制策略研究的发展历程第11-12页
     ·存在的问题第12-14页
   ·本文研究的主要内容第14-15页
2 真空自耗电弧炉熔炼工艺及相关设备第15-21页
   ·电弧的加热原理第15页
   ·真空自耗电弧炉熔炼工艺第15-16页
     ·准备阶段第15-16页
     ·引弧期第16页
     ·正常熔炼期第16页
     ·热封顶期第16页
   ·真空自耗电弧炉主要设备第16-18页
     ·铜坩埚第17页
     ·炉体第17页
     ·炉顶X-Y 调节系统第17页
     ·真空系统第17页
     ·供电系统第17页
     ·电极进给机构第17-18页
     ·稳弧搅拌系统第18页
     ·水冷系统第18页
     ·电弧观察摄像系统第18页
   ·控制过程第18-19页
   ·本章小结第19-21页
3 真空自耗电弧炉电极调节系统模型研究第21-39页
   ·被控对象及其特性第21-23页
     ·电弧的组成第21-22页
     ·电弧的特性第22-23页
   ·电弧对象的模型第23-27页
     ·最小二乘法曲线拟合第24-26页
     ·电弧炉电弧模型的描述第26-27页
   ·调节器的特性及数学模型第27-28页
     ·调节器的微分方程式第27页
     ·PID 调节器的数学模型第27-28页
   ·执行器的特性第28-31页
     ·伺服系统的工作原理第28-29页
     ·伺服系统的数学模型第29页
     ·电源系统的工作原理第29-30页
     ·电源系统的数学模型第30-31页
   ·测量环节的特性及数学模型第31-34页
     ·电弧电流、电压的检测第31-32页
     ·电压、电流检测环节的传递函数第32页
     ·熔速率的检测第32-34页
     ·熔速率检测环节的传递函数第34页
   ·真空自耗电弧炉电极控制系统模型第34-38页
   ·本章小结第38-39页
4 电弧炉电极熔炼过程的控制策略第39-53页
   ·熔炼过程的主要控制参数与控制回路第39-40页
   ·几种常用的PID 控制算法第40-42页
     ·PID 控制器的基本算法第40-41页
     ·改进的PID 控制算法第41-42页
   ·增益补偿PID 控制器第42-43页
   ·数据处理算法及程序实现第43-52页
     ·数据的采样及处理第43-44页
     ·电极重量的真空补偿第44-45页
     ·熔速设定值的内插算法第45页
     ·实际熔速的计算第45-46页
     ·熔速的控制算法第46-47页
     ·对象增益的在线识别第47-50页
     ·热封顶过程的控制策略的实现第50页
     ·控制策略的效果仿真第50-52页
   ·本章小结第52-53页
5 真空自耗电弧炉控制系统设计第53-69页
   ·真空自耗电弧炉控制系统结构及选型第53-56页
     ·控制系统组成结构第53-54页
     ·真空自耗电弧炉控制系统I/O 点统计第54页
     ·温度、真空度、压力传感器选型第54-55页
     ·控制系统硬件配置及选型第55页
     ·控制系统网络拓扑结构第55-56页
   ·技术指标及控制系统功能第56-59页
     ·基本参数第56-58页
     ·控制系统功能第58-59页
   ·下位机软件设计第59-63页
     ·S7 400 系列PLC 概况第59-60页
     ·S7 400 PLC 硬件组态第60-61页
     ·PLC 程序结构第61-63页
   ·上位机组态软件设计第63-67页
     ·WinCC 监控组态软件第63-64页
     ·上位机软件实现的功能第64-67页
   ·现场调试第67-68页
     ·现场存在的问题及控制算法的改进第67-68页
   ·本章小结第68-69页
6 总结与展望第69-71页
   ·本文完成的工作第69页
   ·继续研究展望第69-71页
致谢第71-72页
参考文献第72-75页
附录第75-77页
 A. 作者在攻读学位期间发表的论文目录第75页
 B. 作者在攻读学位期间取得的科研成果目录第75-77页

论文共77页,点击 下载论文
上一篇:基于炉热指数和BP网络的高炉铁水硅含量预报系统
下一篇:基于改进的粒子群BP神经网络的高炉热状态预报模型的研究