一、基于BP神经网络的Treater多变量机台计算机模拟（论文文献综述）
殷士勇[1]（2020）在《环锭纺纱信息物理生产系统及其关键技术研究》文中研究表明环锭纺纱是最主要的纱线生产方式,生产的纱线强力好、条干均匀度高和适纺产品范围广。目前国内环锭纺纱锭数已超过1.37亿锭,约占全球环锭纺纱总锭数的2/3,是具有国际化竞争优势的产业。近年来环锭纺纱生产招工难,少人化/无人化生产模式需求迫切;纺纱市场竞争激烈,提升高质量、高可靠性纱线生产能力是竞争焦点。环锭纺纱工艺还难以做到全流程连续生产,其生产设备品种多样、通信接口复杂,面向少人化/无人化的互联互通困难。高速、连续的环锭纺纱生产中需要及时处理各种任务,以降低次品率和浪费和满足任务处理的高实时性要求。环锭纺纱工艺流程长,纱线质量受环境、工艺、原料等多因素影响,质量一致性控制难。信息物理系统（Cyber Physical System,CPS）是智能制造的核心,然而针对动态、高速、连续和批量制造的环锭纺纱生产,目前还没有相关理论、技术和应用方法的研究。本文率先提出基于信息物理系统的环锭纺纱生产体系,从系统架构到环锭纺纱信息物理生产系统（Cyber physical Production System,CPPS）核心要素,研究了关键工艺参数与控制指令传输、实时任务的计算与处理以及纱线质量控制等技术,并在实践中展开应用。论文的主要研究内容和创新体现在以下四方面:（1）针对环锭纺纱工艺流程长、纤维形态变化大、生产连续性与离散性混合,生产过程中数据流和控制流的关系多样复杂等问题,论文系统地研究了环锭纺纱CPPS系统构架,提出基于“纤维流-数据流-控制流”融合的环锭纺纱CPPS模型,并给出其形式化定义描述。基于模型的系统工程（MBSE）方法,研究环锭纺纱CPPS的系统建模,采用Sys ML建立了环锭纺纱物理生产系统需求图、用例图、面向纤维流的作业序列图、数据流的状态机图和控制流的时序活动图等。（2）针对环锭纺纱无人化/少人化生产的工厂管控以及关键工艺参数和控制指令传输的可信性问题,论文率先提出了基于区块链的环锭纺纱关键工艺参数和控制指令的可信传输方法。研究了环锭纺纱CPPS互联互通体系,提出了基于OPC UA的纺纱设备信息模型,建立了关键工艺参数与控制指令的云-边传输模型。设计了边缘节点内和边缘节点间关键工艺参数与控制指令的传输模型,研究了关键工艺参数与控制指令的区块链构建方法,提出了基于时效性奖励的委任权益证明共识机制,提高了成功投票率。（3）针对环锭纺纱高速生产中任务需要实时性处理的问题,论文提出了基于边缘计算的实时任务处理方法。基于环锭纺纱生产特点,建立了1-1模式与N-1模式混合的边缘计算节点部署模型,研究了边缘计算节点之间的协同机制。分别研究了单个边缘计算节点与全部边缘计算节点的实时任务处理模型,并设计了实时任务处理的算法,有效降低了任务处理的延迟率。（4）针对环锭纺纱中纱线质量的影响因素多、耦合关系复杂、纱线质量波动随机性问题,论文提出了基于Actor-Critic深度强化学习的纱线质量控制方法。根据环锭纺纱质量控制现状,从单工序、前序约束的相邻工序间和全局工序三个控制策略,分别建立了基于质量损失函数的纱线质量控制Actor-Critic深度强化学习模型,包括单工序独立控制模型、前序工序约束的嵌套控制模型以及全局工序的共享控制模型,有效提高了纱线质量的一致性。最后,论文展开了全面的环锭纺纱生产试验研究,设计了生产实验验证方案,分别验证和分析了关键工艺参数和控制指令的可信传输方法、实时任务的处理方法和纱线质量控制策略。结果表明:论文所提方法对解决环锭纺纱生产中的具体问题有良好的效果。
陈卫宾[2]（2020）在《基于物联网的实验室电源管理系统的研究与设计》文中提出随着国家对高校实验室投资力度的不断加大,我国实验室的数量和规模飞速提升,但同时也引发了实验室电能过度浪费、安全事故频繁发生、工作人员工作量增大等一系列问题,传统的实验室电源管理系统由于资金、技术等因素的限制已经不能满足当前实验室电源管理的需求。论文在分析了实验室电源管理系统国内外现状的基础上,首先根据系统的功能需求对常用的电源管理系统进行分析与论证,设计了基于物联网模块BC28的实验室电源管理系统。然后,对实验室用电负荷进行了统计和分析,采用BP神经网络对能耗进行了预测。其次,对STM32L最小系统、电能参数与环境参数采集、DC-DC变换、多路直流电源排序、无线通信电路、继电器等模块进行了硬件设计,其中通过高精度计量芯片ATT7053AU和LTC2945实现了多种电参量的采集,采用具有精确控制顺序和时间间隔的LTC2937模块,以可编程程序对实验室多路电源进行排序,达到了节能的效果,并通过以NB-IoT技术为依托的物联网模块BC28解决了无线传输模块通信距离近、运行功耗高等问题,完成终端与后台的数据交互,实现管理人员对实验室电源的远程监控。再次,对下位机单片机软件和基于LabVIEW的上位机软件进行了设计。最后,对设计的系统构建测试平台,进行系统测试与分析。测试结果表明该系统各项功能正常,实现了实验室电能参数与环境参数的采集功能、对实验室多路电源的远程监测、时序控制及故障告警功能,通过BP神经网络完成了实验室的能耗预测。
伍强[3]（2020）在《虚实整合的薄壁注塑制品工艺优化研究》文中研究表明随着航空航天、汽车制造、家居管道等行业非金属材料的应用,薄壁注塑制品得到了飞速发展。因此,确保高质量的薄壁注塑制品显得尤为重要。薄壁注塑制品的主要质量表征指标为重量和翘曲变形量。并且,质量指标和模具结构、材料选择、工艺参数和机器性能都有关,在模具结构、材料选择和机器性能确定的前提下,当模具调试或机器运转过程中出现扰动时,通过优化系统快速推荐一组工艺参数组合并将其输入到机器的控制面板显得尤为重要。本文主要对薄壁注塑制品成型过程中工艺参数的优化进行了研究,基于翘曲产生机理、分别利用模流分析软件Moldflow和具有拟合和优化功能的MATLAB软件对成型过程进行了仿真实验和工艺参数优化,并通过调整仿真系统的机器参数实现仿真和机台实验的虚实整合。论文的主要工作如下:1.运用SPSS软件设计了 Taguchi正交实验表并运用Moldflow进行了模流仿真实验,优化了模具结构。通过均值分析和方差分析获得了工艺参数对质量指标的影响趋势与影响度顺序,并运用综合系数分析法将重量和翘曲变形量综合为一个质量指标并对其进行分析。由影响度可以看出对重量的影响强度由强到弱依次为:保压时间、熔体温度、保压压力和注射时间;对翘曲变形量的影响强度由强到弱依次为:保压时间、熔体温度、保压压力和注射时间;对综合指数的影响强度由强到弱依次为:保压时间、保压压力、注射时间和熔体温度。2.运用两组拟合-优化算法（即神经网络-动态控制系统和响应面-遗传算法）建立工艺参数和质量指标的映射函数并对函数进行了全局寻优。结果显示:各种策略对重量的优化程度从优到差的顺序依次为:NN-DCS算法、RSM-GA算法、正交实验重量最优组合、正交实验综合系数组合、正交实验翘曲最优组合、模流分析初始推荐组合。各种策略对翘曲变形量的优化程度从优到差的顺序依次为:NN-DCS算法、正交实验综合系数组合、RSM-GA算法、正交实验翘曲最优组合、正交实验重量最优组合、模流分析初始推荐组合。并且,神经网络-动态控制系统（NN-DCS）对重量和翘曲变形量的优化性能是最佳的,但是其也存在运行慢、算法复杂等特点。3.由于材料和机台参数的差异,仿真和机台实验的实验结果存在差异。在材料确定的前提下,通过分析机台参数里面的螺杆直径、液压响应时间、液压增强比率等参数对仿真和实验质量指标误差的影响。结果显示,机台参数的液压响应时间对质量指标有影响。因此,调整仿真系统的机台参数液压响应时间对实现仿真和机台实验的虚实整合提供了途径。
张笑东[4]（2020）在《大健康数据智能分析关键方法研究》文中进行了进一步梳理新时代下,随着人民群众健康管理意识的不断增强和对健康生活的向往,以及人口老龄化、慢病和亚健康人群占比的增加,使我国面临着严峻的健康挑战。为此,习近平总书记在2017年10月18日十九大报告中提出了健康中国的发展战略,为大健康理念在中国的实践提供了重要保障。随着健康中国战略的推进,健康管理工作的重点已经慢慢转向全民健康管理、疾病预先防范方向转变,但健康服务供给总体不足与需求不断增长之间的矛盾依然突出,健康医疗资源分配不均的现状依然存在,并将长期保持。因此,借助科技的手段来进行大健康服务管理,促进健康公平,是健康服务事业必然选择。大科技的手段也必然会促进大健康的发展。二十一世纪,随着互联网的发展,促进了健康医疗全面信息化的进程,特别是本世纪第二个十年,大数据、人工智能、物联网等新兴技术的崛起,为大健康服务提供了全新的途径,在优化大健康管理服务过程中发挥了重要作用,促进了大健康服务向着精细化、数字化、智能化、科学化方向转变,使全方位、全周期保障人民群众健康成为了可能。2019年6月18日,《广东省人工智能大健康管理蓝皮书》发布,全国首个人工智能大健康管理平台正式上线,意味着智慧大健康的时代已经到来。智慧大健康面对的不是患者,而是庞大的健康人群,通过人工智能大数据分析个体的健康状况,为个体的健康提供精准的健康管理,提高个体的健康管理意识,同时也为经济社会创造巨大的价值。本文以大健康为背景,在分析国内外大健康智能服务研究现状和发展趋势之上,紧紧围绕大健康服务平台和健康数据两个研究对象,展开大健康的智能化分析的基础性研究,促进人工智能等新兴技术与大健康的深度融合。具体研究内容如下:1.为了克服当前健康数据整个相关研究存在较严重的检索响应延迟高、准确性差等问题,提出了基于混合云雾计算的大健康信息资源整合架构,基于健康信息服务平台的一般模式,利用云雾架构思路构建大健康信息资源整合架构。同时,通过样本规约和维规约对大健康信息数据进行规约,优化了资源空间。利用字段匹配法对数据资源进行清洗,并利用匹配度判断是否为冗余的待匹配字段。根据混合云雾计算获取的数据资源权重值对大健康信息数据排列,以此来实现大健康数据信息的分类整合。通过仿真实验对所提方法的性能进行了分析,结果表明该方法运行性能良好,数据冗余率低,检索响应延迟低、分类整合准确率高,具有可行性。2.针对大健康服务系统中健康数据流动态负载不均衡问题,传统方法处理能力只局限于某算子所处节点可处理的窗口范围,在数据量逐渐增加的状态下处理能力显得明显不足,容易出现数据流拥塞的情况,而且忽略了整体性的负载分布和动态负载均衡中迁移决策研究。为此,提出一种新的符合大健康系统中并行计算环境的健康数据流动态负载均衡方法。利用元组key的Hash值得到节点相应数据块,利用数据块记录获取响应的目标节点,将数据元组输出。同时将并行计算熵扩展至异构集群,并对其进行求解。将其作为健康数据流负载均衡度的衡量指标,对是否需要进行负载迁移进行判断,确定迁移任务的方式和迁移量,从而制定迁移决策。经仿真实验验证该方法可行性高,计算性能及动态负载均衡性好。3.针对现有的健康体征数据（比如:心电、脑电、脉搏等）基线解算方法存在的先验化、参数整定难等问题以及原始数据中计算随机化等特点,提出了带权矩阵回归算法,根据不同正则化参数下的相应的体征信号截止频率进行分析,结合相应体征数据的基线频率的范围,确定了正则化参数值,达到了有效、快捷地解算出相应体征数据所含漂移基线的效果,同时也保留了有效的原始性周期信号。最后,通过对PPG信号和仿真的模拟信号进行实验,结果表明,时域中的信号漂移和频域中的漂移基线项分离效果明显。4.针对疾病和健康状态下姿势改变过程中生理控制系统多个健康变量（血压、心率、呼吸等）之间相互作用的分析问题,提出了将生理控制模型与切换线性动力学相结合的方法——P-SLD模型,模型中使用改进的半监督机器学习的EM算法求解潜在的切换变量后验概率估计以及模型参数的最大似然集。在EM算法改进中,主要在最大似然函数中引入惩罚最小二乘因子,同时引入非负约束作为先验信息,结合半监督机器学习方法,最后将改进问题转化为最小化求解问题。最后,选取了ICU患者的平均动脉压和心率的非稳态健康数据序列和健康人不同姿态（仰卧、非仰卧）下血压和心率的非稳态健康数据序列进行了实验,对P-SLD模型中传递函数和功率谱分析,验证了该模型可以用来揭示与严重全身反应综合征（SIRS）相关联的变化,同时也验证了改模型可以自动捕获姿势改变对压力反射增益的影响,为健康和疾病条件下生理控制的自动调节的分解提供了假说。5.针对一维健康体征时序数据具有时变性、非线性、非平稳性等特点以及现有的单一和混合预测模型均存在预测精度和难以描述其复杂变化规律问题,提出了一种利用深度强化学习方法对健康体征时序数据进行预测的模型,同时将SARAS学习方法引入到算法中,有效地提高了模型的稳定性、有效性和准确性,通过历史血压数据实验验证表明,该模型提高了预测模型的准确性、稳定性和收敛速度,能够充分表达一维健康体征时序数据的趋势。
钱求索[5]（2020）在《基于PFC-PID耦合的挤出机多阶段温度控制系统研发》文中研究说明挤出机是生产塑料制品的主要设备,其温度控制系统具有强关联性、非线性、大滞后等特点。因此,温控系统在生产中往往具有较大的误差值。然而,温控系统的误差对于塑料生产有着严重的影响。首先,温度的差异会影响物料的反应与混合,由于物料颗粒对反应温度非常敏感,故温度波动会增加产品的废品率。再者,温度的差异也会影响挤出机性能。由于温度不均,少量塑料可能会在料筒内凝固,导致挤出机维护时间延长,维护频率增加,影响正常生产作业。最后,检测具有滞后性,由于流水线中的检测环节相对挤出机滞后1小时,因而在问题发现时产生的不合格产品已有数百公斤,严重增加企业运营成本。针对上述问题,需要寻求一种参数自适应的挤出机温度控制器,既能适应挤出机的复杂工况,又能降低诸多影响因素对温控的影响,从而使温度范围达到高的性能指标。本文将设计基于预测函数控制（PFC）的自适应比例积分微分控制（PID）控制器,利用PFC-PID耦合进行控制,得到了良好的控制效果。本篇论文的主要工作内容如下:（1）介绍了挤出机结构和塑料挤出过程,着重介绍了挤出机温度控制系统的控制过程,并分析了现有温度控制系统存在的问题,并指出解决思路和方向。（2）针对温度控制这一大时滞系统,将模型预测控制应用于温度控制,与PID控制耦合,利用模型预测控制为PID整定参数。同时基于挤出机温度控制的实际情况,将挤出机温度控制分为升温与保温两个阶段,分别依据实际情况建立了PFC模型和MPFC（多变量PFC）控制模型。最后,对PFC的相关控制参数按现有的规则进行整定。（3）针对温度场系数较为复杂,传热系数难以测定的问题,采用时间序列分析的方法进行求解。首先统计假设检验与模型拟合度检验相结合的方法确定模型结构,通过递推增广最小二乘估计模型参数,并提取工厂生产数据,在预处理后利用MATLAB进行传热系数计算。（4）利用MATLAB分别对升温阶段进行PFC-PID耦合温度控制仿真和保温阶段进行MPFC-PID耦合温度控制仿真,从而证实该控制方法的有效性。温度控制结果表明基于PFC的PID自适应控制器比固定取值的控制器更适于温度控制。（5）搭建与PFC-PID算法配套的温度控制系统硬件实验平台,使用PLC作为底层控制器完成PID部分的控制,并使用计算机作为上位控制器完成PFC部分的控制。
耿煜森[6]（2020）在《新型干法水泥熟料冷却过程协调控制研究》文中指出新型干法水泥熟料的冷却过程是水泥生产的一个重要环节,该环节对保证熟料质量、提高二三次风温、保证热回收量以及改善熟料煅烧状况都具有重要的影响。该环节相关作用的实现主要通过对篦冷机的合理调控,但由于国内水泥厂生产线自动化水平不高、生产过程主要监控点不完善以及篦冷机自身非线性大滞后的特性,导致信息采集不完备,因此国内对于篦冷机的调控多数采用操作员手动控制,控制过程带有一定的主观判断,控制效果不尽如人意。针对熟料冷却过程篦冷机控制的现状,部分学者已对篦冷机的优化控制做了相关的研究,控制效果较之前手动控制有了一定的提高,但经过阅读大量文献后发现,对于篦冷机优化控制的研究多数局限于冷却过程单环节的优化控制,而水泥生产工业是典型的流程型工业,在水泥实际生产过程中,各环节之间具有多变量耦合的特性,因此在对单一环节参数进行优化控制的过程中可能会导致相关环节的工况发生变化,对水泥生产造成不利的影响。因此,在对之前篦冷机单环节优化控制研究基础之上,对熟料冷却过程的主要协调关系进行分析,利用熟料冷却过程的协调关系对篦冷机进行优化控制,在保证熟料冷却过程相关作用效果同时减小相关环节工况的波动,对稳定生产具有重要的意义。本文具体研究内容如下:（1）对熟料冷却过程主要协调关系进行分析,将熟料冷却过程协调关系分为三部分:篦冷机与回转窑相互影响关系、篦冷机与回转窑对篦冷机热效率的影响、篦冷机与回转窑对熟料质量的影响。根据熟料冷却过程协调关系进行相关监测参数选取之后,将水泥熟料冷却过程协调控制系统分为:基于协调关系的篦下压力优化设定系统和水泥熟料冷却过程自动控制系统。（2）提出一种多模型融合的神经网络算法,该算法能够平衡单一算法对数据的表达能力的优势和劣势,并且能够通过对历史数据的不断学习,提高相关结果精度。（3）基于协调关系的篦下压力优化设定系统。以篦冷机与回转窑相互影响关系为基础,采用多模型融合神经网络建立了篦下压力预设定模型;然后以篦冷机与回转窑对篦冷机热效率的影响关系为基础,建立了基于二次风温判断的篦下压力补偿模型;最后,根据篦冷机与回转窑对熟料质量的影响关系,建立基于Fuzzy系统的篦下压力校正模性。通过三个模型共同作用为篦冷机控制提供了当前冷却过程协调关系状态下的篦下压力最优设定值。（4）水泥熟料冷却过程自动控制系统。依据基于协调关系的篦下压力优化设定系统中涉及的篦下压力和二次风温两个被控变量,对篦下压力和二次风温进行特性分析。然后以传统PID控制器对篦下压力控制的仿真结果为例,根据仿真结果对传统PID控制器进行改进,提出基于积分分离PI控制算法的多模态控制器,将Bang-Bang控制器、Fuzzy控制器在不同的控制规则下对积分分离PI控制器进行校正。最终实现将篦下压力稳定控制在设定值附近,并将二次风温稳定控制在合理范围内。（5）根据控制策略,开发了水泥熟料冷却过程协调控制软件。将该软件在水泥生产现场进行了应用并对应用效果进行展示。
刘莹[7]（2020）在《微型燃气轮机故障诊断容错控制验证研究》文中提出微型燃气轮机技术作为本世纪能源与动力系统的核心关键技术,微型燃气轮机的发电机组已被广泛应用于分布式发电系统,成为衡量国家工业基础先进程度的重要标志。为了保证分布式发电系统的安全稳定运行,微型燃气轮机的故障诊断和容错控制研究至关重要。本文选择某款单轴微型燃气轮机为研究对象,为了针对传感器发生故障的情况进行诊断和容错研究,搭建了该款微型燃气轮机的部件级数学模型和线性化模型,分别设计了基于卡尔曼滤波器和BP神经网络的传感器故障诊断和容错控制方法,并在全数字仿真平台和硬件在回路仿真平台上进行模型和算法的集成验证。首先,开展微型燃气轮机的部件级建模研究。使用基于模型的设计方法,借助T-MATS模块工具包,在MATLAB/Simulink软件平台上搭建了T100微型燃气轮机的部件级数学模型。建模过程中基于系统的部件特性热力学方程和部件特性平衡方程,初步建立T100微燃机的数学模型,接着根据部件特性图对非设计点的特性数据进行修正,以此提高所建立数学模型的仿真准确度。其次,开展了微型燃气轮机控制系统的设计研究。基于部件级数学模型,采用小扰动法和拟合法相结合的方法建立了T100微型燃气轮机的线性化模型。基于此线性化模型,以微型燃气轮机排气温度为控制目标,搭建了温度控制器。仿真结果表明,该控制器可以使T100微型燃气轮机获得较稳定的动态性能,验证了控制方案的可行性。接着,设计微型燃气轮机传感器故障诊断和容错控制研究。基于卡尔曼滤波算法原理和BP神经网络原理,针对T100微型燃气轮机传感器偏置和漂移两种故障模式,分别设计并搭建了基于扩展卡尔曼滤波器和BP神经网络的故障诊断和信号重构模块。仿真结果表明这两种方法可以有效诊断并隔离故障传感器,重构出正确的信号保证T100微型燃气轮机控制系统继续安全稳定运行。然后,开展微型燃气轮机部件级模型和故障诊断、容错控制算法在全数字仿真平台的集成和验证研究。使用代码生成的方法,将基于模型设计方法建立的T100微型燃气轮机部件级模型、恒温度控制器、故障诊断方法和容错控制算法在全权限数字电子控制系统设计综合平台FWorks进行集成和验证,分析了FWorks数字仿真平台开发的需求、技术开发,并介绍了模型和算法代码编译封装、FWorks平台集成的方法和流程。根据测试向例下的仿真结果对比验证了模型到代码转换的一致性。最后,开展微型燃气轮机部件级模型和故障诊断、容错控制算法在硬件在回路平台的集成和验证研究。总结了硬件在回路仿真平台的主要功能、基本架构和工作原理,介绍了模型和控制算法在硬件在回路平台集成和验证的代码编译封装、接口配置、烧写调用的方法流程。根据与全数字仿真相同的测试向例下的仿真结果对比验证了模型和算法的有效性。
鲁业明[8]（2019）在《CAP1400核主泵水力模型核心部件约束性设计方法研究及应用》文中研究说明有着“核岛心脏”之称的核主泵是我国三代压水堆CAP1400核电机组唯一不能国产化的装置。而叶轮和导叶（水力模型核心部件）是核主泵内部最重要的过流部件,其设计的优劣直接决定着核岛的服役寿命。为达到高效率、大扬程、低压力脉动强度等运行指标要求,核主泵叶轮和导叶在结构上呈现流道曲率变化大、叶片三维结构复杂等特点,相关优化体系中的二元叶片设计方法难以表征这种结构的新变化。而在优化设计过程中,约束性设计方法是第一步,在设计体系中起到基础性、决定性作用。因此,基于叶轮机械原理重构新的高效约束性设计方法是优化设计体系研究的重点和难点。高效的约束性设计方法理应能在尽可能少的设计参数下得到结构多变的高性能设计结果。按照设计次序和介质的过流顺序,核主泵叶轮和导叶的设计包括四个基本因素:Ⅰ.流道设计;Ⅱ.叶轮叶片设计:Ⅲ.导叶叶片设计;Ⅳ.特殊结构设计。本文围绕着这四个方面进行了深入的研究,物理建模并结合数学推导构建了核主泵水力模型核心部件的设计方法体系,并以国家科技重大专项CAP1400核主泵水力模型最终方案为对象,进行了对照测试。主要工作内容有:（1）流道约束性设计方面,为解决传统方法中的盘、盖侧型线非同步调整、过渡段不光滑、偏离设计目标等问题,从中轴变换（Medial Axial Transform）理论出发,结合已有的约束条件简化、并得到了一种新型流道约束性设计方法。在新的设计方法中,针对约束条件不封闭的情况,构建了两类使得设计方程组封闭的辅助约束条件,并分别应用粒子群算法和显式表达式实施流道的成型设计。流道设计方法有两方面的应用。首先,基于流道约束性设计新方法开发了一套水泵轴面流道快速成型设计程序,在所开发的设计程序中,以仅有的7组经典叶轮流道为基础,能够快速设计出比转速为30至500区间内的任意叶轮流道结构。其次,基于流道约束性设计新方法提出了一种核主泵高效低轴向载荷改型策略,仅需控制3个变量、15组采样数据,便可实现对核主泵水力模型的高效、低轴向载荷快速改型设计。（2）叶片约束性设计方面,为解决传统方法中设计变量个数多、变量范围不明确、优化预设值依赖设计经验等问题,研究依次确定了叶轮叶片的关键设计变量——速度环量以及导叶叶片的关键设计变量——安装角。文献调研结合经典结构参数信息的统计结果明确了这两个关键设计变量沿流向均呈递增趋势,构建了无量纲化的多源约束性设计方程组,进行了一系列数学简化并得到了用于设计变量高效生成的船帆状限定域。基于叶轮叶片和导叶叶片归一化约束性设计的船帆状限定域和粒子群算法,分别开发了一套叶轮叶片和一套导叶叶片动态伴随寻优设计程序。以国家科技重大专项CAP1400核主泵水力模型中的叶轮叶片、导叶叶片为参考对象,应用所开发的设计程序进行了验证测试:在叶轮叶片设计中,正倾角、零倾角和负倾角三种情况下的设计结果均表明所开发的动态寻优设计程序能够设计出性能优于目标叶轮的新结构;在导叶叶片的设计测试中,优化结果相较于目标结构依次提升了 0.7%和1.8%的效率和扬程特性。证明了叶片约束性设计方法和所开发的叶片动态伴随寻优设计程序的有效性。（3）核主泵水力模型开发流程方面,基于归一化约束性设计的船帆状限定域,探究了叶轮和导叶对核主泵定常、非定常性能的影响程度。在明确了导叶影响要高于叶轮之后,得出水力模型开发过程中“叶轮可独立设计、导叶需适配叶轮和压水室”的设计准则,并实例设计了新的水力模型结构,通过与国家科技重大专项CAP1400核主泵水力模型在性能特性、静压分布、湍动能分布等方面的对比,明确了所开发的模型结构的高性能,实例证明了研究所提的核主泵水力模型开发流程的可行性。（4）特殊结构设计方面,为了适应核主泵整体非完全圆周对称的结构特征,这里构建了一种调整导叶叶片布局的对称式-非均布导叶结构及相应的约束性设计方法。该方法既考虑了导叶叶栅距离又考虑了导叶的装配位置,并能够表征包含常规均布导叶结构在内的多数设计情况。联合应用多目标优化设计方法实施了对称式-非均布导叶结构的优化设计,在获得了最优结构同时,还探究了设计参数对性能的影响规律。数值证明了优化后的新型导叶结构能够有效提升核主泵在0.8～1.2设计流量的性能;并能有效改善泵出口段的非定常压力脉动特性。最后,在国家工业泵质量监督检测中心搭建试验台并对上述关键研究结论进行了系列组合验证试验:定常性能测试、非定常的压力脉动和振动加速测试结果证明了应用研究中所提的约束性设计方法来进行核主泵水力模型核心部件研发的可行性。
卢新忠[9]（2019）在《基于熟料质量预测的水泥生料配料优化研究》文中指出水泥制造业属于典型的流程工业,其生产过程中的任一环节都会对后续环节产生影响。由于水泥生产自身的连续性,较高的综合自动化程度是水泥生产稳定、高效、低耗的必要前提。目前国内水泥生料质量控制自动化程度较低,绝大多数水泥厂仍停留在人工控制或半自动控制层面。生料配料的三率值（石灰石饱和比系数KH、硅酸率SM、铝氧率IM）目标值由化验室人员依据从现场抽取的熟料样本化验结果,结合人工经验给出生料配料率值目标值;生料配料的原料配比由中控室操作人员根据出磨生料取样化验结果,以及化验室所给出的率值目标值,结合人工经验调整。可以看出,目前整个生料配料控制过程大部分由人工完成,人为因素干扰性大。另外,由于国内矿山开采不规范,原料成分波动大,下料机构不稳定等特点。很容易造成率值目标值调整不及时,原料配比精确性低,滞后时间长等问题。因此原料配比往往经过几次调整才可以奏效,调整时长达到35h,此时可能已经产生了成百上千吨不合格生料,势必会影响到回转窑煅烧,使熟料产量质量双双下降。针对上述问题,本文结合近红外在线分析仪在生料配料自动控制中的应用,旨在优化生料配料三率值目标值,协调生料配料和熟料煅烧两个生产环节,稳定水泥生料质量,进而减少窑工况的波动,提高水泥熟料质量。本文详细工作内容如下:（1）熟料质量预测模型研究。针对化验室人员根据离线熟料质量调整生料配料率值目标值,反馈时间长调整不及时,无法满足使用在线分析生料配料需求的问题,文中采用RBF神经网络算法进行熟料质量预测建模研究。基于熟料质量煅烧工艺,选取模型输入输出变量,确定变量数据提取时间匹配方案并对数据预处理;选取径向基神经网络激活函数,逐步求取模型参数,建立基于RBF神经网络的熟料KH预测模型。（2）回转窑工况划分。熟料煅烧过程具有非线性、多变量、强耦合的特性,物料在回转窑内煅烧过程中对回转窑的工况划分也是千差万别。本文主要识别因生料质量变化引起的窑工况波动,首先提取已知的生料质量历史数据,根据滞后时间对规则,提取该物料下的回转窑烧成参数数据,然后采用K-means聚类方法进行聚类,并对聚类结果分析,结合现场知识型工作者操作经验划分出四种窑工况,针对每一种工况给出相应的调正方案。（3）基于框架/规则专家系统的生料配料优化软件开发。依据上述熟料质量预测值、回转窑煅烧工况以及离线数据熟料率值给出生料配料率值目标值的,搭建适用于现场应用的专家规则系统,根据现场生产需求,使用Visual Studio平台开发生料配料优化软件。综上,结合近红外在线分析仪在生料配料中的使用,将生料配料优化软件在现场投运。结果表明,本课题研究成果对指导水泥生料质量控制,稳定生料质量,提高熟料质量和生产效率具有实际意义。
李进[10]（2019）在《垃圾渗滤液处理控制系统的研发》文中研究指明随着我国城市化进程的日益加快和城市人口的迅速增长,生活垃圾的产量在逐年增加,大量的生活垃圾需要进行处理。目前应用最广泛的处理方式为卫生填埋法。在卫生填埋的过程中会产生大量的垃圾渗滤液,渗滤液是一种高浓度、成分复杂、难处理的有机废水,不仅会污染水资源,甚至会污染土壤、农作物、水生动物等,严重威胁到人类的身体健康。传统的通过人工进行渗滤液处理的方式成本高、出水水质差、效率低,已经满足不了要求。采用自动控制的处理方式已经成为一种趋势,自动控制系统是实现整个工艺的关键。首先,根据渗滤液的水质特点和现有处理工艺的不足,设计了一套短流程渗滤液处理工艺,采用物化处理的方式,缩短了处理时间,提高了处理效率。根据渗滤液处理工艺的控制要求和系统需求,对渗滤液处理控制系统的总体方案进行了设计。针对处理工艺中所需的处理设备,进行了机械结构的设计。然后,进行硬件设计和控制算法研究。硬件设计包括PLC控制系统的硬件设计、传感器的选型、通信系统的设计和OneNET物联网监控系统终端控制器的设计;针对传统的PID控制方法在污水处理过程中控制精度差,参数难以在线调整的问题,对控制系统算法进行优化。采用BP神经网络PID进行控制,利用神经网络的非线性映射能力和学习能力,对PID参数进行在线的自适应调整。通过建立BP神经网络和pH中和过程的数学模型,并在MATLAB中进行仿真,验证了算法在渗滤液处理中的可行性。最后,进行控制系统软件设计和实验验证。软件设计包括下位机PLC控制程序、上位机组态监控系统、OPC通信技术、Web发布的组态王监控系统和OneNET物联网监控系统。通过pH处理实验和系统调试,验证了渗滤液处理控制系统在实际应用中的可行性。本课题以唐山市某垃圾渗滤液处理厂为研究背景,采用了一套短流程渗滤液处理工艺,通过软硬件设计和算法优化实现了渗滤液处理的控制要求,提高了处理效率,降低了成本,出水水质可以达到排放标准。
二、基于BP神经网络的Treater多变量机台计算机模拟（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BP神经网络的Treater多变量机台计算机模拟（论文提纲范文）
（1）环锭纺纱信息物理生产系统及其关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源与目的 |
| 1.2 课题背景与问题提出 |
| 1.2.1 课题背景及意义 |
| 1.2.2 工程问题提出 |
| 1.3 国内外研究现状 |
| 1.3.1 CPS发展与概念 |
| 1.3.2 CPS架构与建模方法 |
| 1.3.3 CPS安全 |
| 1.3.4 实时任务处理 |
| 1.3.5 纱线质量控制 |
| 1.3.6 拟解决的关键科学问题 |
| 1.4 研究体系架构 |
| 1.4.1 论文研究目标 |
| 1.4.2 论文研究内容 |
| 1.4.3 论文组织结构 |
| 第二章 环锭纺纱CPPS建模 |
| 2.1 引言 |
| 2.2 环锭纺纱CPPS的定义 |
| 2.3 纤维流-数据流-控制流定义与描述 |
| 2.3.1 纤维流定义 |
| 2.3.2 数据流定义 |
| 2.3.3 控制流定义 |
| 2.4 基于Sys ML的环锭纺纱CPPS建模 |
| 2.4.1 系统需求与用例建模 |
| 2.4.2 纤维流-数据流-控制流融合建模 |
| 2.5 本章小结 |
| 第三章 环锭纺纱CPPS关键工艺参数与控制指令的可信传输 |
| 3.1 引言 |
| 3.2 环锭纺纱CPPS互联互通与传输模型 |
| 3.2.1 互联互通体系 |
| 3.2.2 设备信息建模 |
| 3.2.3 云-边传输模型 |
| 3.3 关键工艺参数和控制指令可信传输方法 |
| 3.3.1 关键工艺参数和控制指令区块链构建 |
| 3.3.2 基于时效性奖励的DPoS共识机制 |
| 3.3.3 基于区块链的可信传输方法 |
| 3.3.4 仿真实验与分析 |
| 3.4 本章小结 |
| 第四章 环锭纺纱CPPS的实时任务处理方法 |
| 4.1 引言 |
| 4.2 环锭纺纱CPPS的实时任务模型 |
| 4.2.1 实时任务类型 |
| 4.2.2 实时任务模型 |
| 4.3 边缘计算节点模型 |
| 4.3.1 边缘计算节点服务内核框架 |
| 4.3.2 边缘计算节点部署模型和协作机制 |
| 4.4 基于边缘计算的实时任务处理 |
| 4.4.1 面向单个边缘计算节点的实时任务处理建模 |
| 4.4.2 面向全部边缘计算节点的实时任务处理建模 |
| 4.4.3 算法设计 |
| 4.5 仿真实验与分析 |
| 4.5.1 调度算法对实时任务处理的影响 |
| 4.5.2 任务数量对实时任务处理的影响 |
| 4.6 本章小结 |
| 第五章 环锭纺纱CPPS的纱线质量控制方法 |
| 5.1 引言 |
| 5.2 环锭纺纱CPPS纱线质量控制模型 |
| 5.2.1 质量损失函数定义 |
| 5.2.2 基于质量损失函数的纱线质量控制模型 |
| 5.3 基于Actor-Critic学习的纱线质量控制方法 |
| 5.3.1 问题定义 |
| 5.3.2 独立工序的单独控制模型 |
| 5.3.3 工序约束的嵌套控制模型 |
| 5.3.4 全局工序的共享控制模型 |
| 5.3.5 仿真实验与分析 |
| 5.4 本章小结 |
| 第六章 环锭纺纱CPPS生产试验研究 |
| 6.1 引言 |
| 6.2 生产试验平台设计 |
| 6.3 试验结果与分析 |
| 6.3.1 可信传输 |
| 6.3.2 实时任务处理 |
| 6.3.3 纱线质量控制 |
| 6.4 试验总结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 论文的创新点 |
| 7.3 研究工作展望 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
| 致谢 |
（2）基于物联网的实验室电源管理系统的研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 实验室电源管理系统的研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的组织结构 |
| 2 电源管理系统的方案论证 |
| 2.1 引言 |
| 2.2 电源管理系统的分析 |
| 2.3 电源管理系统的方案设计 |
| 2.4 本章小结 |
| 3 实验室电源的能耗分析与预测 |
| 3.1 引言 |
| 3.2 实验室用电能耗统计与分析 |
| 3.3 实验室用电的能耗预测 |
| 3.4 本章小结 |
| 4 电源管理系统的硬件设计 |
| 4.1 引言 |
| 4.2 最小系统的设计 |
| 4.3 采集模块电路的设计 |
| 4.4 电源模块电路的设计 |
| 4.5 通信模块接口电路的设计 |
| 4.6 本章小结 |
| 5 电源管理系统的软件设计 |
| 5.1 引言 |
| 5.2 系统终端的软件设计 |
| 5.3 系统后台的软件设计 |
| 5.4 本章小结 |
| 6 系统测试与分析 |
| 6.1 引言 |
| 6.2 测试平台的架构设计与搭建 |
| 6.3 测试与结果分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）虚实整合的薄壁注塑制品工艺优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号说明 |
| 第一章 绪论 |
| 1.1 背景及意义 |
| 1.2 研究现状 |
| 1.2.1 注塑成型过程质量表征 |
| 1.2.2 注塑制品质量与工艺参数的关系 |
| 1.3 论文主要工作 |
| 1.3.1 论文来源 |
| 1.3.2 研究主要内容 |
| 1.3.3 研究创新点 |
| 1.3.4 研究的技术路线 |
| 第二章 薄壁注塑制品质量控制及CAE原理 |
| 2.1 薄壁注塑制品质量控制策略 |
| 2.2 翘曲变形理论研究 |
| 2.2.1 翘曲产生机理 |
| 2.2.2 翘曲变形影响因素 |
| 2.2.3 制品质量控制措施 |
| 第三章 数值模拟及正交试验 |
| 3.1 薄壁注塑制品Moldflow模型 |
| 3.1.1 薄片三维制图 |
| 3.1.2 有限元分析过程 |
| 3.1.3 初步成型工艺参数确定 |
| 3.2 正交试验 |
| 3.2.1 实验方案设计 |
| 3.2.2 实验结果 |
| 3.3 实验结果分析处理 |
| 3.3.1 正交试验分析方法 |
| 3.3.2 工艺参数对重量的影响 |
| 3.3.3 工艺参数对翘曲变形量的影响 |
| 3.3.4 综合系数分析法 |
| 第四章 神经网络拟合及调整规则优化 |
| 4.1 神经网络 |
| 4.1.1 人工神经网络 |
| 4.1.2 BP神经网络 |
| 4.2 BP神经网络算法实现与结果分析 |
| 4.2.1 神经网络结构确定 |
| 4.2.2 ANN算法实现 |
| 4.2.3 ANN结果分析 |
| 4.3 动态调控系统寻优原理 |
| 4.3.1 动态调整规则原理 |
| 4.3.2 LabVIEW软件介绍 |
| 4.4 调控系统算法实现与结果分析 |
| 4.4.1 ANN-DAR算法实现 |
| 4.4.2 ANN-DAR结果分析 |
| 第五章 响应面拟合及遗传算法优化 |
| 5.1 响应面原理 |
| 5.2 RSM算法实现与结果分析 |
| 5.2.1 RSM算法实现 |
| 5.2.2 RSM结果分析 |
| 5.3 遗传算法寻优原理 |
| 5.4 GA算法实现与结果分析 |
| 5.4.1 GA寻优算法实现 |
| 5.4.2 GA结果分析 |
| 第六章 实验验证及可靠性分析 |
| 6.1 实验设备和模具设计 |
| 6.1.1 实验设备 |
| 6.1.2 检验设备 |
| 6.2 实验过程及结果分析 |
| 6.2.1 注塑实验步骤 |
| 6.2.2 翘曲测量步骤 |
| 6.2.3 数据记录及处理 |
| 6.3 可靠性检验实验 |
| 6.3.1 材料参数对质量的影响 |
| 6.3.2 机器参数对质量的影响 |
| 6.4 算法验证实验 |
| 第七章 总结和展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（4）大健康数据智能分析关键方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.2 大健康智能数据分析研究现状 |
| 1.2.1 人工智能研究现状 |
| 1.2.2 世界主要国家大健康人工智能相关政策 |
| 1.2.3 智能化大健康的研究现状 |
| 1.3 课题研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第2章 大健康数据智能分析基础 |
| 2.1 引言 |
| 2.2 大健康的概念及内涵 |
| 2.3 机器学习理论 |
| 2.3.1 监督学习 |
| 2.3.2 无监督学习 |
| 2.3.3 半监督学习 |
| 2.4 深度学习理论 |
| 2.4.1 神经元的数学模型 |
| 2.4.2 BP神经网络 |
| 2.4.3 卷积神经网络 |
| 2.5 云雾计算技术 |
| 2.5.1 云计算与雾计算 |
| 2.5.2 基于云雾计算的物联网架构及关键技术 |
| 2.6 本章小结 |
| 第3章 大健康数据资源整合方法和负载均衡算法研究 |
| 3.1 引言 |
| 3.2 基于混合云雾计算的大健康数据资源整合方法 |
| 3.2.1 相关研究 |
| 3.2.2 数据资源整合软硬件架构设计 |
| 3.2.3 数据资源整合方法设计 |
| 3.2.4 仿真实验与分析 |
| 3.3 网络负载均衡算法研究 |
| 3.3.1 相关研究 |
| 3.3.2 健康数据流分块 |
| 3.3.3 并行计算熵 |
| 3.3.4 迁移决策 |
| 3.3.5 迁移执行 |
| 3.3.6 仿真实验与分析 |
| 3.4 本章小结 |
| 第4章 健康体征数据预处理关键算法 |
| 4.1 引言 |
| 4.2 带权矩阵回归算法 |
| 4.3 信号的功率谱估计方法 |
| 4.4 实验验证与分析 |
| 4.4.1 实验准备与实验过程 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 基于EM算法的健康多变量分析模型 |
| 5.1 引言 |
| 5.2 P-SLD算法 |
| 5.2.1 算法模型 |
| 5.2.2 EM算法 |
| 5.2.3 增益及功率谱计算 |
| 5.3 基于半监督机器学习的EM算法改进方法 |
| 5.3.1 相关研究 |
| 5.3.2 改进EM算法先验信息的获取 |
| 5.3.3 EM算法改进的实现 |
| 5.3.4 改进EM算法的应用 |
| 5.3.5 仿真实验与分析 |
| 5.4 实验验证与分析 |
| 5.4.1 实验准备与实验方法 |
| 5.4.2 实验结果与分析 |
| 5.5 本章小结 |
| 第6章 基于深度强化学习的健康体征数据预测模型 |
| 6.1 引言 |
| 6.2 健康体征时序数据 |
| 6.3 深度学习 |
| 6.4 强化学习 |
| 6.5 深度强化学习 |
| 6.6 实验验证与分析 |
| 6.6.1 实验方法 |
| 6.6.2 结果与分析 |
| 6.7 本章小结 |
| 第7章 结束语 |
| 7.1 全文总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间发表的学术论文及科研成果 |
（5）基于PFC-PID耦合的挤出机多阶段温度控制系统研发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外发展现状与研究水平 |
| 1.2.1 挤出机自适应PID控制研究现状 |
| 1.2.2 挤出机温度场与系统辨识研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 论文总体流程图 |
| 第2章 挤出机工作过程及温度控制原理 |
| 2.1 挤出机的功能与结构 |
| 2.1.1 高分子塑料生产线介绍 |
| 2.1.2 挤出机结构与功能 |
| 2.1.3 挤出机工作过程 |
| 2.2 温度控制原理与干扰因素 |
| 2.2.1 传统挤出机温度控制原理 |
| 2.2.2 挤出机温度控制存在的问题 |
| 2.3 本章小结 |
| 第3章 基于PFC-PID耦合的多阶段温度控制模型 |
| 3.1 多阶段温度控制数学模型 |
| 3.1.1 影响挤出机温度控制因素 |
| 3.1.2 PFC-PID耦合温度控制框架结构 |
| 3.1.3 多阶段温度控制数学模型 |
| 3.2 预测函数多阶段反馈控制 |
| 3.2.1 预测函数控制介绍 |
| 3.2.2 升温阶段PFC控制 |
| 3.2.3 保温阶段MPFC控制 |
| 3.3 自适应PID控制 |
| 3.3.1 PID加热控制与冷却控制 |
| 3.3.2 自适应PID控制及与PFC耦合过程 |
| 3.4 控制参数选定 |
| 3.4.1 系统控制参数汇总 |
| 3.4.2 PID控制参数选定 |
| 3.4.3 PFC控制参数选定 |
| 3.4.4 MPFC控制参数选定 |
| 3.5 本章小结 |
| 第4章 挤出机温度场传热系数系统辨识方法 |
| 4.1 挤出机传热系数系统辨识的意义 |
| 4.2 挤出机机体温度平衡方程 |
| 4.3 系统辨识建模理论与分析 |
| 4.3.1 时间序列分析法介绍 |
| 4.3.2 模型识别与选择 |
| 4.3.3 模型阶数估计 |
| 4.3.4 模型参数估计 |
| 4.4 生产数据采集与预处理 |
| 4.4.1 工厂生产数据采集 |
| 4.4.2 试验数据的预处理 |
| 4.5 温度场系数系统辨识计算 |
| 4.5.1 生产数据与相关系数输入 |
| 4.5.2 传热系数求解过程 |
| 4.6 挤出机温度控制仿真 |
| 4.6.1 升温阶段温度控制仿真 |
| 4.6.2 保温阶段温度控制仿真 |
| 4.7 本章小结 |
| 第5章 挤出机温度控制系统 |
| 5.1 温度控制系统硬件选定 |
| 5.1.1 挤出机机型选定 |
| 5.1.2 基础控制器选定 |
| 5.2 温度控制系统PLC硬件设计 |
| 5.2.1 基础控制器PLC硬件设计 |
| 5.2.2 上位计算机通讯设计 |
| 5.3 温度控制系统PLC控制程序设计 |
| 5.3.1 PLC主程序部分设计 |
| 5.3.2 PLC温控程序部分设计 |
| 5.3.3 PLC数据转化与传递部分设计 |
| 5.3.4 PLC数据存储方式与存储地址设计 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间主要研究成果 |
（6）新型干法水泥熟料冷却过程协调控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水泥熟料冷却过程协调控制研究现状 |
| 1.3 本文的主要工作 |
| 第二章 水泥熟料冷却过程工艺介绍及协调控制整体方案设计 |
| 2.1 水泥熟料冷却过程生产工艺简介 |
| 2.2 水泥熟料冷却过程主要协调关系分析 |
| 2.2.1 篦冷机与回转窑之间的相互影响 |
| 2.2.2 篦冷机与回转窑对篦冷机热效率的影响 |
| 2.2.3 篦冷机与回转窑对熟料质量的影响 |
| 2.3 控制目标及控制难点分析 |
| 2.3.1 控制目标 |
| 2.3.2 控制难点 |
| 2.4 熟料冷却过程主要监测参数选取 |
| 2.5 水泥熟料冷却过程协调控制系统总体方案设计 |
| 2.6 本章小结 |
| 第三章 基于协调关系的篦下压力优化设定系统研究 |
| 3.1 基于协调关系的篦下压力优化设定问题的提出 |
| 3.2 基于协调关系的篦下压力优化设定系统方案设计 |
| 3.3 多模型融合神经网络算法 |
| 3.3.1 多模型融合神经网络算法的提出 |
| 3.3.2 多模型融合神经网络评价指标选取 |
| 3.3.3 模型融合数据质量特征的提出与设计 |
| 3.3.4 多模型融合神经网络设计 |
| 3.4 基于多模型融合神经网络的篦下压力预设定模型设计 |
| 3.4.1 篦下压力预设定模型建立流程 |
| 3.4.2 篦下压力预设定模型的建立 |
| 3.5 基于二次风温判断的篦下压力补偿模型设计 |
| 3.5.1 二次风温标准范围选取 |
| 3.5.2 基于二次风温判断的篦下压力补偿模型建立 |
| 3.6 基于Fuzzy系统的篦下压力校正模型设计 |
| 3.7 本章小结 |
| 第四章 水泥熟料冷却过程自动控制系统研究 |
| 4.1 水泥熟料冷却过程自动控制问题的提出 |
| 4.2 入窑二次风温和篦下压力特性分析 |
| 4.3 PID控制器仿真 |
| 4.3.1 PID仿真控制器结构 |
| 4.3.2 PID参数整定 |
| 4.3.3 结果分析 |
| 4.4 水泥熟料冷却过程自动控制系统方案设计 |
| 4.5 被控变量目标值选取 |
| 4.6 基于积分分离PI控制算法的多模态控制器设计 |
| 4.6.1 积分分离PI控制模块设计 |
| 4.6.2 多模态控制规则 |
| 4.6.3 Fuzzy控制模块设计 |
| 4.6.4 Bang-Bang控制模块设计 |
| 4.7 本章小结 |
| 第五章 水泥熟料冷却过程协调控制系统工程实现 |
| 5.1 系统整体架构 |
| 5.1.1 DCS系统 |
| 5.1.2 OPC技术 |
| 5.1.3 系统硬件配置 |
| 5.2 系统软件实现 |
| 5.2.1 OPC Client开发 |
| 5.2.2 优化控制子系统实现 |
| 5.3 工业现场应用 |
| 5.3.1 OPC通信配置 |
| 5.3.2 现场应用效果分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（7）微型燃气轮机故障诊断容错控制验证研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 燃气轮机建模与仿真技术研究现状 |
| 1.2.2 故障诊断技术研究现状 |
| 1.2.3 容错控制技术研究现状 |
| 1.2.4 硬件在环仿真技术研究现状 |
| 1.3 本文的内容安排 |
| 第二章 微型燃气轮机部件级模型开发 |
| 2.1 引言 |
| 2.2 T100 型微型燃气轮机简介 |
| 2.3 T100 部件级数学模型 |
| 2.3.1 各部件热力学模型 |
| 2.3.2 T100 稳态模型 |
| 2.3.3 T100 动态模型 |
| 2.4 T100 部件级建模 |
| 2.5 本章小结 |
| 第三章 微型燃气轮机线性化模型搭建及卡尔曼滤波器 |
| 3.1 引言 |
| 3.2 线性化模型建立方法 |
| 3.3 稳态控制器设计 |
| 3.4 卡尔曼滤波器 |
| 3.4.1 卡尔曼滤波算法介绍 |
| 3.4.2 基于卡尔曼滤波器的传感器故障诊断 |
| 3.6 本章小结 |
| 第四章 基于神经网络的故障诊断和容错控制 |
| 4.1 引言 |
| 4.2 人工神经网络概述 |
| 4.3 基于BP神经网络的传感器故障诊断模型 |
| 4.3.1 BP神经网络概述 |
| 4.3.2 基于BP神经网络的传感器故障诊断方法设计 |
| 4.4 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 软件平台中的集成及验证 |
| 5.1 引言 |
| 5.2 FWORKS需求定义 |
| 5.2.1 功能需求分析 |
| 5.2.2 技术需求分析 |
| 5.3 FWORKS平台介绍 |
| 5.3.1 FWorks架构介绍 |
| 5.3.2 FWorks平台开发 |
| 5.4 基于FWORKS的 T100 集成和验证 |
| 5.4.1 T100 模型的集成和验证 |
| 5.4.2 故障诊断容错控制方法的集成和验证 |
| 5.5 本章小结 |
| 第六章 硬件在环仿真平台中的集成与验证 |
| 6.1 引言 |
| 6.2 硬件在回路平台需求分析 |
| 6.3 硬件在回路平台介绍 |
| 6.3.1 架构介绍 |
| 6.3.2 功能介绍 |
| 6.4 基于硬件在回路平台的T100 集成与验证 |
| 6.4.1 T100 开环、闭环模型的集成和验证 |
| 6.4.2 故障诊断方法的集成和验证 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在校期间的研究成果及发表的学术论文 |
（8）CAP1400核主泵水力模型核心部件约束性设计方法研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 核主泵优化设计研究进展 |
| 1.2.2 过流结构约束性设计方法研究现状 |
| 1.3 目前存在的不足和局限性 |
| 1.4 本文主要的研究内容 |
| 2 模型部件及研究方法 |
| 2.1 引言 |
| 2.2 模型部件 |
| 2.3 数值模拟方法 |
| 2.4 叶轮和导叶三维造型方法 |
| 2.5 智能算法 |
| 2.5.1 粒子群算法(PSO) |
| 2.5.2 第二代非支配排序遗传算法(NSGA-Ⅱ) |
| 2.5.3 两类算法在研究中的应用 |
| 2.6 本章小结 |
| 3 新型流道约束性设计方法及应用 |
| 3.1 引言 |
| 3.2 新型流道约束性设计方法原理 |
| 3.2.1 中轴变换(MAT)理论约束的新变形 |
| 3.2.2 包络圆方程约束 |
| 3.2.3 过水截面方程约束 |
| 3.2.4 两类新的辅助约束及相应的设计流程 |
| 3.3 新型流道约束性设计方法的有效性评估 |
| 3.3.1 经典离心泵流道结构的实例设计验证 |
| 3.3.2 经典斜流泵流道结构的实例设计验证 |
| 3.3.3 经典离心风机流道的实例设计验证 |
| 3.3.4 设计总结 |
| 3.4 流道约束性设计方法在不同比转速泵轮流道归一化设计中的应用 |
| 3.4.1 已有叶轮流道初始设计参数的统计与拟合 |
| 3.4.2 基于经典结构的叶轮流道设计参数拓展 |
| 3.4.3 流道归一化设计程序开发与应用验证 |
| 3.4.4 设计总结 |
| 3.5 流道约束性设计方法在核主泵水力模型高效低轴向载荷改型中的应用 |
| 3.5.1 研究思路 |
| 3.5.2 多目标优化的实施 |
| 3.5.3 设计总结 |
| 3.6 本章小结 |
| 4 叶轮叶片和导叶叶片新型约束性设计方法及应用 |
| 4.1 引言 |
| 4.2 叶轮叶片新型约束性设计方法原理及应用测试 |
| 4.2.1 叶轮叶片新型约束性设计方法原理 |
| 4.2.2 新型约束性设计方法在核主泵叶轮叶片设计中的设计验证 |
| 4.2.3 设计总结 |
| 4.3 导叶叶片新型约束性设计方法原理及应用测试 |
| 4.3.1 导叶叶片新型约束性设计方法原理 |
| 4.3.2 新型约束性设计方法在核主泵导叶叶片设计中的设计验证 |
| 4.3.3 设计总结 |
| 4.4 本章小结 |
| 5 基于叶片约束性设计方法的模型部件开发流程的确定 |
| 5.1 引言 |
| 5.2 核主泵高压力脉动关键影响因素分析 |
| 5.2.1 研究思路 |
| 5.2.2 基于NSGA-Ⅱ算法和新型约束设计方法的叶轮和导叶叶片优化 |
| 5.2.3 优化结果的内流及压力脉动分析 |
| 5.2.4 设计总结 |
| 5.3 核主泵高性能水力模型适配性开发流程的确定及应用 |
| 5.3.1 实例设计 |
| 5.3.2 设计总结 |
| 5.4 本章小结 |
| 6 一种核主泵对称式-非均匀分布导叶约束性设计方法及应用 |
| 6.1 引言 |
| 6.2 对称式-非均匀分布导叶约束性设计方法原理 |
| 6.2.1 对称式-非均匀分布导叶约束性设计 |
| 6.2.2 对称式-非均匀分布导叶装配位置的调整 |
| 6.3 基于LHS方法和BP Adaboost算法的最优化设计 |
| 6.3.1 BP Adaboost算法的基本原理 |
| 6.3.2 样本数据库的确定 |
| 6.3.3 BP Adaboost算法的可靠性证明 |
| 6.3.4 对称式-非均布导叶最优化结构的获取 |
| 6.3.5 内流分析 |
| 6.4 本章小结 |
| 7 关键研究结论的试验验证 |
| 7.1 引言 |
| 7.2 试验件组合方案 |
| 7.3 测试方法 |
| 7.4 测试结果分析 |
| 7.4.1 性能特性分析 |
| 7.4.2 压力脉动和振动加速度的分析 |
| 7.5 本章小结 |
| 8 结论与展望 |
| 8.1 结论 |
| 8.2 创新点 |
| 8.3 展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（9）基于熟料质量预测的水泥生料配料优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景和意义 |
| 1.2 研究现状 |
| 1.2.1 熟料质量预测研究现状 |
| 1.2.2 生料配料控制研究现状 |
| 1.3 本文主要工作 |
| 1.4 本文创新点 |
| 1.5 本章小结 |
| 第二章 基于RBF神经网络的熟料质量预测模型研究 |
| 2.1 熟料煅烧工艺及变量间关系分析 |
| 2.2 建模变量选择及数据预处理 |
| 2.2.1 建模变量确定 |
| 2.2.2 时间匹配 |
| 2.2.3 原始与滤波后数据 |
| 2.3 基于RBF神经网络的熟料质量预测模型建立 |
| 2.3.1 RBF神经网络简介及应用 |
| 2.3.2 网络模型参数训练 |
| 2.3.3 模型测试与验证 |
| 2.4 本章小结 |
| 第三章 水泥生料配料优化方案设计 |
| 3.1 基于近红外线检测的生料配料方案 |
| 3.1.1 生料配料工艺 |
| 3.1.2 在线分析仪在生料配料上的应用 |
| 3.2 问题及难点分析 |
| 3.3 水泥生料配料优化设定方案 |
| 3.4 本章小结 |
| 第四章 生料配料目标值设定优化研究 |
| 4.1 生料波动对窑工况影响的研究 |
| 4.1.1 回转窑工况划分 |
| 4.1.2 回转窑工况模版建立 |
| 4.2 基于专家系统的生料配料目标值设定 |
| 4.2.1 自学习专家系统原理 |
| 4.2.2 基于框架规则的专家系统搭建 |
| 4.2.3 在线分析仪配料目标值设定 |
| 4.3 配比干预模块设计 |
| 4.4 离线校正模块设计 |
| 4.5 本章小结 |
| 第五章 水泥生料配料优化系统软件开发 |
| 5.1 系统架构 |
| 5.2 优化软件开发 |
| 5.2.1 软件框图 |
| 5.2.2 数据采集子系统 |
| 5.2.3 优化设定子系统实现 |
| 5.3 系统仿真及现场应用 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（10）垃圾渗滤液处理控制系统的研发（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 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 课题的主要研究内容 |
| 1.4 论文结构 |
| 1.5 本章小节 |
| 第二章 渗滤液处理系统总体设计 |
| 2.1 渗滤液处理工艺设计原则 |
| 2.2 渗滤液的水质指标 |
| 2.3 渗滤液处理工艺流程 |
| 2.4 渗滤液处理控制系统总体方案设计 |
| 2.5 本章小结 |
| 第三章 处理设备及控制系统硬件设计 |
| 3.1 处理设备机械结构设计 |
| 3.1.1 链式平面格栅除污机设计 |
| 3.1.2 干粉加药装置设计 |
| 3.1.3 带式压滤机设计 |
| 3.1.4 渗滤液处理罐设计 |
| 3.2 PLC控制系统硬件设计 |
| 3.2.1 PLC控制系统硬件设计的流程 |
| 3.2.2 PLC控制器选型 |
| 3.2.3 PLC控制系统接口电路设计 |
| 3.3 传感器选型 |
| 3.4 通信系统设计 |
| 3.4.1 上位机链接通信实现 |
| 3.4.2 下位机链接通信实现 |
| 3.4.3 Modbus通信协议 |
| 3.5 OneNET物联网监控系统终端控制器设计 |
| 3.5.1 STM32 主控制器接口电路 |
| 3.5.2 通信模块接口电路 |
| 3.5.3 电源接口电路 |
| 3.5.4 电平转换接口电路 |
| 3.5.5 SIM卡接口电路 |
| 3.5.6 RS485 接口电路 |
| 3.5.7 终端控制器电路板设计 |
| 3.6 本章小结 |
| 第四章 基于BP神经网络的自适应PID控制 |
| 4.1 自适应PID控制方法 |
| 4.1.1 常规PID控制器 |
| 4.1.2 BP神经网络 |
| 4.1.3 自适应PID控制结构 |
| 4.1.4 BP-PID控制算法流程 |
| 4.2 pH中和过程模型建立 |
| 4.2.1 渗滤液处理中和过程机理 |
| 4.2.2 pH值中和过程动态模型 |
| 4.2.3 pH值中和过程静态模型 |
| 4.3 MATLAB仿真及结果分析 |
| 4.3.1 MATLAB仿真模型 |
| 4.3.2 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 渗滤液处理控制系统软件设计 |
| 5.1 下位机PLC程序设计 |
| 5.1.1 工艺控制流程设计 |
| 5.1.2 PLC控制程序设计 |
| 5.2 上位机监控系统设计 |
| 5.3 OPC技术在控制系统中的应用 |
| 5.3.1 OPC技术特点 |
| 5.3.2 基于OPC技术的Matlab与组态王数据通信 |
| 5.4 基于Web发布的组态监控系统的设计与实现 |
| 5.4.1 组态Web发布监控系统结构设计 |
| 5.4.2 Web发布组态监控系统的实现 |
| 5.5 OneNET物联网远程监控系统的设计与实现 |
| 5.5.1 OneNET物联网云平台的特性 |
| 5.5.2 OneNET物联网平台的服务体系架构 |
| 5.5.3 OneNET物联网远程监控系统的实现 |
| 5.6 本章小结 |
| 第六章 实验设计及系统调试 |
| 6.1 实验设计 |
| 6.1.1 实验装置控制系统组成 |
| 6.1.2 实验装置硬件设计 |
| 6.1.3 实验装置软件设计 |
| 6.1.4 实验过程 |
| 6.1.5 数据处理及分析 |
| 6.2 系统调试 |
| 6.2.1 硬件连接 |
| 6.2.2 软件调试 |
| 6.2.3 试运行调试 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 附录A 硕士期间学术成果及获奖情况 |
| 附录B 渗滤液处理工艺流程图 |
四、基于BP神经网络的Treater多变量机台计算机模拟（论文参考文献）
- [1]环锭纺纱信息物理生产系统及其关键技术研究[D]. 殷士勇. 东华大学, 2020
- [2]基于物联网的实验室电源管理系统的研究与设计[D]. 陈卫宾. 山东科技大学, 2020(06)
- [3]虚实整合的薄壁注塑制品工艺优化研究[D]. 伍强. 北京化工大学, 2020(02)
- [4]大健康数据智能分析关键方法研究[D]. 张笑东. 中国科学院大学(中国科学院沈阳计算技术研究所), 2020(08)
- [5]基于PFC-PID耦合的挤出机多阶段温度控制系统研发[D]. 钱求索. 温州大学, 2020(04)
- [6]新型干法水泥熟料冷却过程协调控制研究[D]. 耿煜森. 济南大学, 2020(01)
- [7]微型燃气轮机故障诊断容错控制验证研究[D]. 刘莹. 南京航空航天大学, 2020(07)
- [8]CAP1400核主泵水力模型核心部件约束性设计方法研究及应用[D]. 鲁业明. 大连理工大学, 2019(08)
- [9]基于熟料质量预测的水泥生料配料优化研究[D]. 卢新忠. 济南大学, 2019
- [10]垃圾渗滤液处理控制系统的研发[D]. 李进. 济南大学, 2019(01)