蓄热式加热炉炉温先进控制系统的研究与应用
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景及意义 | 第11-12页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 加热炉建模方法研究现状 | 第12-14页 |
| 1.2.2 加热炉控制技术研究现状 | 第14-15页 |
| 1.3 预测控制 | 第15-16页 |
| 1.3.1 预测控制的发展 | 第15-16页 |
| 1.3.2 传统预测控制存在问题 | 第16页 |
| 1.4 本文主要内容 | 第16-19页 |
| 第二章 蓄热式加热炉概述 | 第19-29页 |
| 2.1 热连轧工艺简介 | 第19-20页 |
| 2.2 蓄热步进式梁式加热炉 | 第20-26页 |
| 2.2.1 蓄热式燃烧技术 | 第20-21页 |
| 2.2.2 步进式加热炉 | 第21-22页 |
| 2.2.3 加热炉对象介绍 | 第22-24页 |
| 2.2.4 加热炉控制系统设计 | 第24-26页 |
| 2.3 加热炉主要控制回路 | 第26-27页 |
| 2.3.1 加热炉炉温控制回路 | 第26页 |
| 2.3.2 烟气温度控制回路 | 第26-27页 |
| 2.3.3 炉膛压力控制回路 | 第27页 |
| 2.4 生产现场研究对象存在的问题 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 加热炉先进控制系统方案设计 | 第29-43页 |
| 3.1 数据预处理 | 第29-30页 |
| 3.1.1 数据滤波处理 | 第29-30页 |
| 3.1.2 数据归一化处理 | 第30页 |
| 3.2 批处理最小二乘 | 第30-32页 |
| 3.3 广义预测控制算法介绍 | 第32-34页 |
| 3.4 加热炉先进控制系统方案设计 | 第34-41页 |
| 3.4.1 炉温先进控制策略的设计 | 第34-38页 |
| 3.4.2 加热炉炉温控制系统硬件设计 | 第38-40页 |
| 3.4.3 图形界面设计 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 加热炉先进控制系统方案优化与实现 | 第43-61页 |
| 4.1 加热炉先进控制系统优化方案 | 第43-49页 |
| 4.1.1 数据滤波处理优化 | 第43-44页 |
| 4.1.2 加热炉换向过程优化控制 | 第44-45页 |
| 4.1.3 炉温多模型优化控制 | 第45-48页 |
| 4.1.4 控制器抗饱和优化 | 第48-49页 |
| 4.2 加热炉先进控制系统实现与应用 | 第49-54页 |
| 4.2.1 炉温对象模型辨识 | 第49-52页 |
| 4.2.2 GPC控制器参数整定 | 第52-53页 |
| 4.2.3 PID控制器参数整定 | 第53-54页 |
| 4.3 加热炉先进控制系统应用 | 第54-59页 |
| 4.3.1 投运效果 | 第54-58页 |
| 4.3.2 节能计算 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 小波神经网络预测控制在炉温控制中的研究 | 第61-77页 |
| 5.1 引言 | 第61-62页 |
| 5.2 小波神经网络理论基础 | 第62-66页 |
| 5.2.1 小波神经网络分类 | 第62-65页 |
| 5.2.2 小波神经网络算法及参数选择 | 第65-66页 |
| 5.3 小波神经网络预测模型 | 第66-67页 |
| 5.4 小波神经网络控制器设计 | 第67-70页 |
| 5.5 加热炉炉温预测控制系统仿真 | 第70-76页 |
| 5.5.1 小波神经网络预测模型 | 第70-74页 |
| 5.5.2 炉温预测控制器仿真 | 第74-75页 |
| 5.5.3 预测控制系统仿真 | 第75-76页 |
| 5.6 本章小结 | 第76-77页 |
| 第六章 论文工作总结 | 第77-79页 |
| 6.1 本文工作内容总结 | 第77-78页 |
| 6.2 未来工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 在读期间发表的学术论文与取得的研究成果 | 第85页 |
