石灰浆制备过程计算机控制系统设计与开发
这是一篇关于碎矿,磨矿过程,外部联锁,选择控制,过程监控,Experion PKS的论文, 主要内容为石灰浆制备生产过程最重要的两个环节为碎矿工序和磨矿工序,其主要任务是将矿石经过物理的破碎、研磨和分级,制备出浓度和粒度符合工艺要求的石灰浆。其控制目标是要保证最后石灰浆产品的粒度,但由于粒度不能及时测量,所以不能直接对粒度进行控制,进而转化为对给矿压力和给矿浓度的控制。 本文以某大型冶炼厂石灰浆制备生产过程自动化工程项目为背景,开展工程的实际应用及科学研究,研究了碎矿和磨矿过程的控制方法,包括控制策略和控制算法,进行了石灰浆制备生产过程计算机控制系统软件的设计与开发,包括生产过程控制系统的设计与开发以及过程监控系统的设计与开发。本文的主要工作内容： (1)结合该大型冶炼厂石灰浆制备生产过程的特点以及过程自动化控制的要求,通过分析石灰浆制备过程的生产流程,建立了泵池液位、旋流器给矿压力和给矿浓度的机理模型,并在对其简化分析的基础上提出了制备过程的回路控制方法和逻辑联锁控制方法,采用了多种控制方法,如旋流器给矿浓度的串级控制、泵池液位和旋流器给矿压力的选择控制等等。针对石灰浆制备生产过程设备采用两种逻辑联锁控制控制方式：设备单机启停控制,设备外部联锁顺序控制。 (2)根据石灰浆制备过程的特点和控制策略,进行了石灰浆制备过程计算机控制系统的设计与开发工作,同时提出了具有过程控制和过程监控两层结构的过程自动化系统,包括系统软硬件平台设计和系统的功能设计。 (3)在实验室环境下对本文设计与开发的计算机控制系统进行了仿真研究,对分级泵池液位和旋流器给矿压力的选择控制回路做了压力设定值改变、液位扰动及切换控制实验,说明本文提出的控制策略的有效性。
基于物联网的工业过程故障诊断系统研究
这是一篇关于物联网,故障诊断,过程监控,智能过程控制测试平台的论文, 主要内容为随着工业智能化的不断推进,如何将传感器与智能设备通过网络连接起来,实现对工业现场的监控成为了研究的热点。各种基于物联网的过程监控平台应运而生。传统工厂存在着自动化程度低、现场工作站的存储和计算能力有限、系统过程监测数据利用不充分、工业数据呈现非线性非高斯特性,故障检测率不高、难以实现实时故障诊断的缺点,本文针对以上缺点,结合物联网技术和故障诊断技术,展开了相关研究,本文的主要工作如下:针对工厂中自动化程度低,现场工作站的存储能力有限的缺点,本文利用智能传感器和基于Opc或Udp的数据传输协议,将工业现场的数据传输到存储空间大的服务器中,利用My SQL+Redis数据库来快速高效的存储数据。通过物联网技术实现了数据的传输与存储。并基于物联网技术构建了一套故障诊断系统,根据物联网的四层架构设计了系统方案。搭建了一个物理的智能过程控制测试平台(Intelligent Process Control-Test Platform,IPC-TF),为物联网故障诊断系统提供了物理测试平台。基于Delta V系统搭建了软件平台,采用顺序功能图(SFC)和功能块图(FBD)编程语言完成算法模块的编写。通过IPC-TF模拟了真实流程工业中工厂的运行和过程控制。针对过程监测数据利用不充分,工厂数据呈现出非高斯非线性特性的问题。本文研究了基于数据的故障诊断技术,并提出ICA-SVDD方法,将原始数据经过独立成分分析(ICA)提取出独立分量,然后利用支持向量数据描述(SVDD)对独立分量建模分析,最终在TE平台上进行验证。结果表明,ICA-SVDD方法够有效检测非线性非高斯数据,并且比传统ICA算法具有更高的检测率。针对难以实现实时故障诊断的问题,本文采用B/S架构编写了基于Web的故障诊断软件系统。建立了一套故障诊断算法库,利用Opc和Udp数据传输协议,开发了接口与现场数据进行实时对接,并将实时数据进行建模分析,实现对工业现场的实时故障诊断,并将该系统在IPC-TF的非线性水箱系统中进行了测试。结果表明,基于Web的故障诊断系统能够对工业系统进行有效的诊断,证明了系统的可靠性。
基于物联网的工业过程故障诊断系统研究
这是一篇关于物联网,故障诊断,过程监控,智能过程控制测试平台的论文, 主要内容为随着工业智能化的不断推进,如何将传感器与智能设备通过网络连接起来,实现对工业现场的监控成为了研究的热点。各种基于物联网的过程监控平台应运而生。传统工厂存在着自动化程度低、现场工作站的存储和计算能力有限、系统过程监测数据利用不充分、工业数据呈现非线性非高斯特性,故障检测率不高、难以实现实时故障诊断的缺点,本文针对以上缺点,结合物联网技术和故障诊断技术,展开了相关研究,本文的主要工作如下:针对工厂中自动化程度低,现场工作站的存储能力有限的缺点,本文利用智能传感器和基于Opc或Udp的数据传输协议,将工业现场的数据传输到存储空间大的服务器中,利用My SQL+Redis数据库来快速高效的存储数据。通过物联网技术实现了数据的传输与存储。并基于物联网技术构建了一套故障诊断系统,根据物联网的四层架构设计了系统方案。搭建了一个物理的智能过程控制测试平台(Intelligent Process Control-Test Platform,IPC-TF),为物联网故障诊断系统提供了物理测试平台。基于Delta V系统搭建了软件平台,采用顺序功能图(SFC)和功能块图(FBD)编程语言完成算法模块的编写。通过IPC-TF模拟了真实流程工业中工厂的运行和过程控制。针对过程监测数据利用不充分,工厂数据呈现出非高斯非线性特性的问题。本文研究了基于数据的故障诊断技术,并提出ICA-SVDD方法,将原始数据经过独立成分分析(ICA)提取出独立分量,然后利用支持向量数据描述(SVDD)对独立分量建模分析,最终在TE平台上进行验证。结果表明,ICA-SVDD方法够有效检测非线性非高斯数据,并且比传统ICA算法具有更高的检测率。针对难以实现实时故障诊断的问题,本文采用B/S架构编写了基于Web的故障诊断软件系统。建立了一套故障诊断算法库,利用Opc和Udp数据传输协议,开发了接口与现场数据进行实时对接,并将实时数据进行建模分析,实现对工业现场的实时故障诊断,并将该系统在IPC-TF的非线性水箱系统中进行了测试。结果表明,基于Web的故障诊断系统能够对工业系统进行有效的诊断,证明了系统的可靠性。
石灰浆制备过程计算机控制系统设计与开发
这是一篇关于碎矿,磨矿过程,外部联锁,选择控制,过程监控,Experion PKS的论文, 主要内容为石灰浆制备生产过程最重要的两个环节为碎矿工序和磨矿工序,其主要任务是将矿石经过物理的破碎、研磨和分级,制备出浓度和粒度符合工艺要求的石灰浆。其控制目标是要保证最后石灰浆产品的粒度,但由于粒度不能及时测量,所以不能直接对粒度进行控制,进而转化为对给矿压力和给矿浓度的控制。 本文以某大型冶炼厂石灰浆制备生产过程自动化工程项目为背景,开展工程的实际应用及科学研究,研究了碎矿和磨矿过程的控制方法,包括控制策略和控制算法,进行了石灰浆制备生产过程计算机控制系统软件的设计与开发,包括生产过程控制系统的设计与开发以及过程监控系统的设计与开发。本文的主要工作内容： (1)结合该大型冶炼厂石灰浆制备生产过程的特点以及过程自动化控制的要求,通过分析石灰浆制备过程的生产流程,建立了泵池液位、旋流器给矿压力和给矿浓度的机理模型,并在对其简化分析的基础上提出了制备过程的回路控制方法和逻辑联锁控制方法,采用了多种控制方法,如旋流器给矿浓度的串级控制、泵池液位和旋流器给矿压力的选择控制等等。针对石灰浆制备生产过程设备采用两种逻辑联锁控制控制方式：设备单机启停控制,设备外部联锁顺序控制。 (2)根据石灰浆制备过程的特点和控制策略,进行了石灰浆制备过程计算机控制系统的设计与开发工作,同时提出了具有过程控制和过程监控两层结构的过程自动化系统,包括系统软硬件平台设计和系统的功能设计。 (3)在实验室环境下对本文设计与开发的计算机控制系统进行了仿真研究,对分级泵池液位和旋流器给矿压力的选择控制回路做了压力设定值改变、液位扰动及切换控制实验,说明本文提出的控制策略的有效性。
制造车间仿真与监控系统研究
这是一篇关于MES,过程监控,过程管理,Ajax,B/S架构的论文, 主要内容为随着计算机技术的发展和企业信息技术的广泛应用，制造业所面临的竞争越来越激烈，为了解决企业内部信息断层和信息孤岛的现象，制造执行系统（MES）越来越受到企业的欢迎。 中小型制造企业具有复杂性、多约束性、多目标性和不确定性等特点，为了节约生产资源、缩短生产周期、降低生产成本、提高生产效率。中小企业往往比大型企业更注重生产车间的过程监控，强化信息化管理，做到逐层推进信息流动，做到物质流和信息流相统一，得出真正适合于中小型企业的制造执行系统。 本课题主要研究了制造执行系统（MES）的过程监控部分，课题首先介绍中小型制造车间的的现状，阐述制造执行系统(MES)的产生和发展趋势以及过程监控在制造执行系统(MES)中的地位。 课题阐述研究中用到的主要关键技术，针对制造车间的实际情况，阐述了监控系统研究的必要性和监控系统的系统架构、网络架构和总体功能结构。详细描述监控系统功能模块，分析现场总线采集、无线采集、工业以太网采集方案的利弊，结合分析结构。选择本课题的数据采集方案。分析C/S架构、B/S架构两种视图呈现方案，阐述C/S架构与B/S架构设计方案的利弊，并根据监控系统的实际需求，给出了基于异步传输（Ajax）的B/S架构实时数据监控方案。详细阐述制造车间监控系统的数据库存储服务器的功能设计以及数据库表结构的详细设计。 本课题在分析中小型制造车间实际情况的基础上，完成了制造车间监控系统的初步研究工作，给出了详细的功能设计，利用B/S架构，完成数据呈现功能。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设货栈 ，原文地址：https://m.bishedaima.com/lunwen/52942.html
