一、蓄热式加热炉的神经网络燃烧控制（论文文献综述）
刘云鹏[1]（2021）在《蓄热式推钢加热炉炉内流场分布与传热过程数值模拟》文中认为轧钢加热炉是钢坯轧制前重要的加热设备,其主要性能的优劣性决定着轧钢生产的生产成本、产品质量、生产线的正常运转等,因此轧钢加热炉内温度场、流场、烟气排放物以及钢坯的传热过程温度场的研究对提高钢坯的轧制质量和钢铁企业的生产效益具有重要的价值。本文以蓄热式推钢加热炉作为研究对象原型,研究了加热钢坯材料属性及其在炉内传热过程等。首先,针对钢坯在蓄热式推钢式加热炉的变节奏烧钢传热过程做了有限元模拟分析。将流场作为边界条件和初始条件,详细分析了钢坯的对流换热系数、辐射换热系数;同时考虑实际工况,以辐射传热为主,换算为等效热吸收系数,进行了三维瞬态温度场的有限元分析,可为加热炉炉内流场优化设定奠定理论基础。其次,以钢坯和炉膛温度互为边界条件,耦合换热过程和燃烧热交换规律,建立了该蓄热式推钢加热炉内的燃料燃烧、炉气分布、温度分布的数学模型。在Fluent中采用k-ε双方程湍流模型、P-1辐射传热模型、PDF燃烧模型、NOx生成机理模型,对炉膛内部进行了流场分析,得到了温度场和流场的可视化分布。另外,研究了加热炉烟气排放物的污染气体排放规律。综合流场分布、温度场分布以及烟气排放物规律,对加热炉喷口角度、空气和燃气预热温度、空燃比等操作参数进行了改进,为现场生产操作参数改进提供了实际理论指导。最后,参考黑匣子实测数据,分析了加热炉钢坯温度变化与炉内气氛的级联关系,仿真结果与实例规律基本相符,验证了仿真模型数值分析的可靠性。这可为蓄热式推钢加热炉的钢坯加热工艺优化和加热制度优化提供参考依据,根据仿真模拟结果,改进了加热炉喷口角度、空气和燃气预热温度、空燃比等参数,分析了改后的蓄热式推钢加热炉各项指标的增优程度,以达到节能降耗的目的。
黄剑雄[2]（2021）在《基于改进蚁群算法的加热炉温度控制研究》文中指出近年来节约能源、保护环境、发展循环经济已经成为国家和社会发展的主流,但工业生产过程往往存在大量的能源消耗,产生较为严重的污染,不利于健康、可持续的发展。在众多工业生产过程中,尤其是钢铁行业能源消耗巨大,而热连轧加热炉作为整条生产链上的第一个环节也是能源消耗巨大的设备,对其温度进行精确控制成为当下急需解决的课题。由于实际工况中加热炉具有很强的非线性、时变性、滞后性以及强耦合等特性,传统控制方法难以对其精确控制。国内外相关专家和学者提出了大量控制策略,其中有自适应控制、智能控制、非线性与鲁棒性控制、神经网络控制等。实践证明,虽然上述算法较传统控制方法有较大的提升,但面对实际工况中的复杂情况,其控制效果并不是很理想,因此亟待开发出对加热炉具有良好控制效果的系统。根据加热炉的工艺流程和工作特性,提出了一种改进蚁群免疫算法与PID神经网络相结合的控制方法,设计一种新型的加热炉温度控制器。其中,蚁群算法通过改进其状态转移规则和初始信息素分配原则,引入抗体浓度调节机制,将其改进成一种性能更加优良的蚁群免疫算法,再利用改进的蚁群免疫算法对PID神经网络的权值进行优化,构造出一种新型的改进蚁群免疫算法加热炉温度控制器。通过对比仿真实验可以看出,改进蚁群免疫算法的PID神经网络加热炉温度控制系统具有更好的动态和静态性能,其响应速度更快、抗干扰能力更强,节约了工业控制所需的时间,提高了热连轧加热炉系统的稳定性,为热连轧加热炉温度控制提供了有效的方法。图34幅;表10个;参59篇。
李明辉[3]（2020）在《基于自动燃烧的轧钢加热炉控制系统研究》文中提出近年来我国钢铁行业竞争激烈,加热炉作为重要的能耗设备,其燃烧控制方式复杂,传统控制策略难以达到理想的控制效果。为了提高钢厂经济效益和竞争力,需要研究加热炉的先进、稳定的控制策略。本文在分析加热炉燃烧系统特性的基础上,以“某钢铁公司热轧加热炉”改造为研究背景,深入研究了炉温控制和空煤气压力控制,并提出了温度控制换向方案,提出了较为先进的时序队列换向自动燃烧控制策略,提高了加热炉的使用效率,同时为加热炉的操作带来了很大的便利。在软件设计方面,采用西门子Step7PLC编程软件和C语言过程系统对以上系统进行了硬件配置与软件编程,并与传统的控制方案进行系统运行控制的对比测试和调试,最终应用于实际生产。本文研究的主要内容:首先,对自动燃烧的轧钢加热炉控制系统的研究背景和国内外研究现状进行了详述;其次,对加热炉燃烧系统的工艺和加热炉的燃烧控制理论进行了重点介绍;然后,对加热炉的自动化控制系统的硬件系统与软件系统进行了详细的设计。硬件系统设计方面,主要包括对系统的上位机监控系统设计、PLC硬件连接和信号控制等部分进行了设计。软件设计方面,通过对加热炉整体功能的设置,通过对加热炉的整体功能的设计,设计了系统的物料跟踪、钢坯加热数学模型、自动燃烧控制等11个功能。最后,对自动燃烧轧钢加热炉控制系统进行了统运行测试、调试与应用。通过实际生产中的应用,所采用的模糊PID与自动燃烧控制相结合的控制方案,降低了系统的超调与调节时间;同时,加热炉的火焰的大小和燃烧程度其通过管道恒压控制策略可以有效解决,提高了控制系统的灵活性和稳定性。图52幅;表10个;参50篇。
康春晓[4]（2020）在《1700中板坯热轧稳定高效轧制的关键技术》文中指出伴随经济的高速发展,进入二十一世纪钢铁行业进入发展的快车道,企业间竞争压力不断增加,为提高企业盈利能力,冶金企业不断调整品种结构、增加产品附加值、提高经济效益、满足市场新需要并提高企业竞争能力。结合技术的进步各冶金企业纷纷展开技术攻关,提升产线效率、降低运营成本。本课题以唐钢自主集成产线1700线为研究对象,对制约产线的各项瓶颈:加热炉燃烧、粗轧主传动、轧机刚度分析模型、轧辊辊型等进行技术研究、攻关,结合现场实际制定有效解决方案。本课题通过充分学习相关理论知识,建立了加热炉热传导数学模型,优化控制系统,实现燃烧的动态控制及“一键式”出钢,保证出炉温度与目标温度精度达到±10℃。粗轧传动系统采用非线性机电耦合传动系统的基本模型,优化过程参数并提高粗轧机传动响应、控制曲线;建立、优化轧机刚度分析模型,可快速诊断、解决轧机刚度问题,确保轧制的稳定性。建立支撑辊辊型采用六次方辊型曲线模型,完成VCR辊型技术,运用有限差分法的数学模型对轧制力控制进行优化,使轧制力计算精度提高一个等级,提高轧制稳定性。图38幅;表8个;参60篇。
周信[5]（2020）在《基于模糊RBF神经网络PID的加热炉温度控制系统设计》文中研究说明加热炉作为钢铁领域轧钢热处理中的一个重要设备,其炉温控制效果和自动控制水平直接关系到钢坯的质量与产量,而加热炉的炉温控制较为复杂,炉膛中的燃气燃烧过程受到外界多个因素影响,且炉温控制系统具有非线性、纯滞后、大惯性、强耦合等特点,因此使用常规的控制方法很难实现对炉温进行精确有效的控制。为此,本文提出将模糊推理、RBF神经网络和常规PID调节器相结合的控制策略,并将该控制策略应用到加热炉温度控制之中。首先,在详细分析加热炉温度控制系统工作原理的基础上,提出利用即具有模糊系统推理能力又具有RBF神经网络自学习能力的RBF神经网络在线识别PID调节器的比例、积分、微分的控制策略,并将该控制策略应用到加热炉温度控制系统中。仿真结果表明:本文提出的模糊RBF神经网络PID算法与常规PID、模糊PID、RBF神经网络PID相比,模糊RBF神经网络PID具有响应快、超调小、抗干扰能力强等优点。其次,结合轧钢热处理过程的要求,针对步进式加热炉给出了烟道和水封槽检测系统、空气和煤气主管道检测控制系统、上均热段检测控制系统、下均热段检测控制系统、三上加热段检测控制系统、三下加热段检测控制系统、二上加热段检测控制系统、二下加热段检测控制系统、一上加热段检测控制系统、一下加热段检测控制系统、炉底冷却水和氮气检测控制系统等子系统的设计方案,及加热炉控制系统的软件设计方案。并将该设计方案应用到在某钢厂的轧钢热处理控制过程,经过离线测试表明,该系统能够满足生产线上对钢坯进行均匀加热的要求,具有实用性。
刘肖波[6]（2019）在《加热炉内钢坯温度场仿真研究》文中研究表明工业加热炉是重要的热工设备,其性能的优劣直接决定着轧制生产线的正常运行和产品的质量,因而加热炉加热钢坯温度场的研究对提高钢铁产品质量和钢铁企业效益具有重要价值。首先,本文以蓄热式步进底加热炉为具体研究对象,介绍了其详细技术参数、生产过程存在的问题,并给出了所加热钢坯的材料属性。其次,对钢坯受热升温过程做了数值求解分析。设置了钢坯在加热炉内所处的环境变量即边界条件和初始条件,分别计算了加热过程中钢坯在步进底式加热炉内的对流换热系数、辐射换热系数;然后对传热过程做了简化分析,将对流换热折合进了辐射换热当中得出钢坯加热的综合传热系数;采用有限元软件ANSYS对钢坯温度场进行了三维瞬态非线性有限元分析,通过将仿真结果与钢坯拖偶试验测量数值进行对比,验证了数值仿真数据的可靠性。最后,为了充分开发加热炉产能并达到节能减排、降低成本和提高效益的目的,对钢坯现有的生产过程进行了优化设计。在改变加热炉钢坯加热工艺和提高钢坯初始入炉温度两种条件下,对钢坯的温度场分布情况做了仿真模拟,仿真结果表明,将加热工艺时间缩短40min后,钢坯内部温度场分布仍然能够达到出炉标准;在此基础上,提高钢坯初始入炉温度至500℃,可进一步将钢坯总加热时间缩短至7300s,并且在此新工艺下钢坯仿真的出炉温度差小于出炉温差要求,达到了出炉标准的同时减少了加热炉生产过程中燃料的年消耗量,极大的降低了生产成本。本文在钢坯受热升温过程数值仿真研究的基础上,给出了钢坯加热工艺的优化途径,通过数值仿真模拟验证了所给优化途径的理论可行性,为加热炉加热钢坯工艺过程的实际优化和应用提供参考依据。
李世成[7]（2020）在《蓄热式加热炉烟气反吹系统及其数值模拟》文中研究表明蓄热式加热炉正常运行时,炉体两侧煤气换向阀至烧嘴间管道（下文简称公共管道）在煤气换向阀控制下交替进行供气与排烟过程。在由供气状态切换至排烟状态时,公共管道内的煤气来不及进入炉膛燃烧,即随排烟反向流动经烟囱放散至大气环境中。根据实际生产数据统计,蓄热式加热炉换向导致的吨钢煤气放散量高达12 Nm3,全国每年由此造成的煤气放散量约7.5×109 Nm3,严重污染环境的同时浪费了大量优质能源。论文针对蓄热式加热炉换向过程中的煤气放散问题,提出一种“自产煤烟爆喷反吹扫”技术,在加热炉换向燃烧前几秒内,利用加压后的自产煤烟将公共管道内残留煤气吹扫至炉膛内燃尽。基于该技术原理,对某钢厂蓄热式加热炉进行了烟气反吹系统（下文简称反吹系统）工艺设计,制定出反吹系统相关的时序控制方式及安全联锁机制。为确保反吹系统实际调试运行过程中参数设定的合理性,对反吹过程中反吹烟气在公共管道中的流动过程进行数值模拟。以公共管道内高炉煤气所含CO浓度为目标函数,以吹扫时间、吹扫速度为参变量,模拟研究公共管道内反吹烟气对残留高炉煤气的置换情况。模拟结果显示,公共管道内残留CO浓度随吹扫时间的增大而减小,残留CO清除率随吹扫烟气速度的增大而升高。另外,联箱两端不易吹扫,存在CO残留层,致使CO清除率达到92%后,清除速度减缓。依据模拟结果对反吹系统进行试验性调试,分析了反吹系统应用效果并对模拟结果进行验证,优化了反吹系统运行参数,结果表明,反吹系统的应用使烟气中CO含量降低90%以上,吨钢燃耗约降低5%,节能减排效果显着。论文的研究结果为蓄热式加热炉烟气反吹系统设计及运行优化提供了理论支撑。图38幅;表12个;参55篇。
熊延辉[8]（2019）在《基于神经网络的蓄热式加热炉的温度控制研究》文中进行了进一步梳理蓄热式加热炉是一种新型的节省能源的加热炉,采用高温度低氧含量的方法,是一种环保加热炉。但是因为现在的仪表检测手段和加热炉内热能传递的多样性,使得仪表不能直接、精确检测出钢坯温度还有加热炉内温度分布。又因为加热炉炉温控制是一个非线性多变量的控制系统,目前在控制燃烧效果方面主要的方式是PID结合双交叉限幅的方法,有致命的不足,它只能在稳定状态下达到最佳燃烧状态。因为加热炉的状态是跟随很多变量的变化而变化的,而且它的温度变化响应慢,所以提出了一种基于BP神经元网络控制PID的复合方法,通过神经网络PID对蓄热式加热炉温度控制效果比较好。针对加热炉温度的这种特性,采用神经网络训练PID的方法对加热炉温度进行控制,根据实际系统的情况变动随时调整加热炉的温度给定值,满足钢坯的工艺温度要求。又因为神经网络所特有地能拟合任何非线性函数的功能,使它可以通过对系统的自学习,控制P、I、D三个参数,最终使它们最能够比较好的满足生产要求。仿真结果显示神经网络控制PID能够在很小的时间范围内精确的调整加热炉温度。图22幅;表1个;参52篇。
杜卫达[9]（2019）在《蓄热式加热炉燃烧系统控制策略研究》文中研究指明蓄热式加热炉作为重要的热工设备,广泛应用于冶金领域中。加热炉在工作过程中受到的随机干扰较多,炉温具有非线性、大滞后、大惯性等特点。炉温控制效果的优劣将直接影响最终产品的质量、能源消耗以及锻造设备的寿命。随着我国各行业对钢材性能的要求不断提高,传统的PID炉温控制系统很难生产出较高质量的钢材,因此提高加热炉的控制性能对钢铁行业的发展具有重大意义。本课题以某钢厂锻造车间的2#蓄热式锻造加热炉为研究对象,针对目前加热炉存在的炉温超调量大、波动较大、空燃比难以控制等问题,提出了一种基于智能控制理论的加热炉控制方案。首先,分析了加热炉燃烧机理及空燃比和空气过剩系数的关系,并通过分析加热炉的炉温特性,确定了炉温-燃烧串级控制方案。从蓄热式锻造加热炉的工艺出发,研究燃烧控制策略,通过比较分析双闭环比值控制、单交叉限幅控制、双交叉限幅控制这三种燃烧控制,确定了双交叉限幅燃烧控制为最佳的燃烧控制策略。其次,针对加热炉经常受到燃气压力的波动和燃气热值的变化以及频繁的出料进料等因素的影响,指出采用常规PID难以实现高精度的控制要求,因此引入了的模糊智能控制对主控制器进行改进,提出模糊PID控制方案,并根据加热炉的工况对模糊PID控制器进行了设计。将加热炉控制系统在Matlab中仿真,其中主控制器分别采用模糊PID算法和PID算法,并对这两种控制器的仿真结果进行了比较分析,确定了模糊PID算法的优越性。最后,给出了基于S7-300 PLC的蓄热式加热炉控制系统工业实施方案,设计了包括主流程界面、参数设定界面、历史曲线界面等组态界面,并采用模块化编程的方式实现了模糊PID算法。本论文对蓄热式锻造加热炉控制系统特性进行了全面的分析,设计了炉温-燃烧串级控制系统,确定了双交叉限幅的燃烧控制方式,并对串级控制系统的主控制器进行了改进,通过仿真对比研究,验证了模糊PID的优越性,介绍了工业实现的具体步骤。不仅为学术研究提供了参考价值,也在工程应用有一定的价值。
闵天[10]（2018）在《蓄热式加热炉炉温先进控制系统的研究与应用》文中研究指明加热炉是钢铁企业用于钢坯轧制前加热的重要设备,同时也是最主要的能耗设备。加热炉燃烧控制系统复杂,且炉温对象具有大滞后、大惯性等特点,因此,研究加热炉炉温先进控制策略对于提高加热炉的控制品质,以及钢铁企业的节能降耗具有重要的意义。本文以江苏省扬州市某蓄热步进梁式加热炉为研究对象,在生产现场已有控制系统硬件的基础上,设计并实现了加热炉先进控制系统,并成功应用。投运结果表明该控制系统可以降低钢坯的氧化烧损、减少燃料消耗。分析该先进控制系统在生产现场运行情况,本文提出了一种基于小波神经网络预测控制的加热炉炉温控制策略。论文的主要工作如下:1、分析加热炉炉温对象,研究炉温和煤气流量以及空气流量之间的关系,构建了炉温-流量串级比值控制系统,设计了炉温的广义预测控制器。针对烟气温度设计PID控制回路,构建了先进控制系统硬件平台,设计了先进控制系统操作界面等工作。2、针对该项目在实施过程中遇到的问题,对先进控制系统进行优化,包括改进换向过程控制、应用加热炉多模型控制使加热炉在各负荷段均有较好的控制品质以及控制器抗饱和处理等。通过整定各控制回路的参数,将先进控制系统进行实际应用,投运结果表明该先进控制系统不仅提高了产品质量,而且降低了钢坯氧化烧损,为企业提高了经济效益。3、由于加热炉炉温对象具有不确定性和非线性,而神经网络具有较好的非线性系统逼近能力。本文提出采用小波神经网络建立加热炉炉温预测模型,以预测炉温未来输出值,并根据二次型性能指标构建炉温预测控制器,通过滚动优化控制器修正神经网络的参数,得到系统未来的控制量。仿真结果表明,该算法对炉温的变化具有良好的跟踪性,调整周期较短。
二、蓄热式加热炉的神经网络燃烧控制（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、蓄热式加热炉的神经网络燃烧控制（论文提纲范文）
（1）蓄热式推钢加热炉炉内流场分布与传热过程数值模拟（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 当前钢坯加热存在的问题 |
| 1.2 加热炉在钢铁行业中的地位和作用 |
| 1.3 目前蓄热式推钢加热炉存在的主要问题 |
| 1.4 流场数值模拟仿真在加热炉中的应用 |
| 1.4.1 加热炉流场数值模拟的意义 |
| 1.4.2 国内外加热炉数值模拟的研究现状 |
| 1.5 本文研究意义和研究内容 |
| 第2章 蓄热式推钢加热炉整体组成及传热机理 |
| 2.1 蓄热式推钢加热炉整体设备组成 |
| 2.1.1 蓄热燃烧基本工艺 |
| 2.1.2 加热炉炉温控制二级模型基本原理 |
| 2.1.3 加热炉推钢装置的基本功能 |
| 2.2 蓄热式推钢加热炉加热制度的制定 |
| 2.3 被加热钢坯材料的基本属性 |
| 2.4 蓄热式推钢加热炉的内部传热机理 |
| 2.4.1 蓄热式推钢加热炉存在的基本传热方式 |
| 2.4.2 蓄热式推钢加热炉耦合传热分析 |
| 2.4.3 加热炉分区域综合传热系数及传热总能量的计算 |
| 2.5 本章小结 |
| 第3章 炉内流场及温度场数值仿真模拟 |
| 3.1 建模路线 |
| 3.2 加热炉和钢坯加热过程耦合模型 |
| 3.2.1 加热炉及钢坯仿真模型的建立 |
| 3.2.2 加热炉及钢坯的网格划分 |
| 3.2.3 加热炉及钢坯边界条件的确定 |
| 3.3 蓄热式推钢加热炉及钢坯仿真模拟结果分析 |
| 3.3.1 蓄热式推钢加热炉及钢坯温度场仿真结果分析 |
| 3.3.2 蓄热式推钢加热炉流场仿真结果分析 |
| 3.4 多工况下蓄热式推钢加热炉温度场及流场仿真分析 |
| 3.4.1 喷口角度对加热炉内流场及温度场的影响规律 |
| 3.4.2 空气、燃气预热温度对加热炉内温度场及流场影响规律 |
| 3.4.3 空燃比对加热炉内温度场及流场影响规律 |
| 3.5 本章小结 |
| 第4章 流场变化对烟气排放物的影响分析 |
| 4.1 技术路线 |
| 4.2 蓄热式推钢加热炉烟气排放物国家标准 |
| 4.3 燃烧模型、辐射模型和NO_x生成模型的选取 |
| 4.3.1 燃烧模型的工作机理 |
| 4.3.2 P-1 辐射模型的工作机理 |
| 4.3.3 NO_x生成模型的工作机理 |
| 4.4 多工况蓄热式推钢加热炉烟气排放物的数值仿真结果分析 |
| 4.4.1 喷口角度对烟气排放物的影响规律 |
| 4.4.2 空燃比对烟气排放物的影响规律 |
| 4.4.3 预热温度对烟气排放物的影响规律 |
| 4.5 综合流场、温度场、排放物的变化规律进行操作参数改进 |
| 4.6 本章小结 |
| 第5章 蓄热式推钢加热炉实验测试及结果分析 |
| 5.1 蓄热式推钢加热炉的黑匣子测试及炉温检测 |
| 5.1.1 黑匣子测试及结果分析 |
| 5.1.2 加热炉炉温检测及结果分析 |
| 5.2 蓄热式推钢加热炉操作参数的改进及结果分析 |
| 5.2.1 蓄热式推钢加热炉操作参数改进 |
| 5.2.2 蓄热式推钢加热炉操作参数改进结果分析 |
| 5.3 不同工况下操作参数改进结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研项目与主要成果 |
| 致谢 |
（2）基于改进蚁群算法的加热炉温度控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外加热炉研究概况 |
| 1.2.1 国外概况 |
| 1.2.2 国内概况 |
| 1.3 本课题主要研究内容 |
| 第2章 加热炉概述 |
| 2.1 蓄热式加热炉工艺 |
| 2.2 加热炉特性分析 |
| 2.2.1 特性分析 |
| 2.2.2 控制难点 |
| 2.3 加热炉温度控制方法 |
| 2.3.1 控制方法的介绍 |
| 2.3.2 控制策略的选择 |
| 2.4 本章小结 |
| 第3章 改进蚁群算法研究 |
| 3.1 蚁群算法 |
| 3.1.1 蚁群算法原理 |
| 3.1.2 蚁群算法特点 |
| 3.2 蚁群算法的改进 |
| 3.2.1 免疫算法 |
| 3.2.2 引入抗体浓度调节机制 |
| 3.2.3 改进蚁群免疫算法 |
| 3.3 仿真实验 |
| 3.4 本章小结 |
| 第4章 基于改进蚁群免疫算法的PIDNN控制 |
| 4.1 人工神经网络 |
| 4.1.1 人工神经网络概述 |
| 4.1.2 人工神经网络特点及局限性 |
| 4.2 PID神经网络 |
| 4.2.1 PIDNN结构形式及特点 |
| 4.2.2 PIDNN控制算法计算 |
| 4.3 改进蚁群免疫算法的PIDNN控制 |
| 4.4 仿真实验 |
| 4.5 本章小结 |
| 第5章 加热炉温度控制系统研究及仿真 |
| 5.1 加热炉温度控制器设计 |
| 5.1.1 神经网络结构确定 |
| 5.1.2 控制原理及结构 |
| 5.2 加热炉温度控制仿真 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 在学期间研究成果 |
（3）基于自动燃烧的轧钢加热炉控制系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外相关研究 |
| 1.2.2 国内相关研究现状 |
| 1.3 预期创新点 |
| 1.4 研究方法和研究内容 |
| 1.4.1 研究方法 |
| 1.4.2 论文结构 |
| 第2章 加热炉燃烧系统控制理论 |
| 2.1 加热炉工艺概况 |
| 2.2 燃烧系统 |
| 2.3 双蓄热步进式加热炉的燃烧控制 |
| 2.3.1 双蓄热步进式加热炉的炉温控制 |
| 2.3.2 动态空燃比 |
| 第3章 加热炉的自动化控制系统总体设计 |
| 3.1 自动化系统的总体结构 |
| 3.2 上位机监控系统 |
| 3.3 PLC控制系统结构 |
| 3.3.1 PLC硬件组态 |
| 3.3.2 信号采集传感器简介 |
| 3.3.3 信号数据的分析与处理 |
| 3.4 自动燃烧控制系统设计 |
| 3.5 加热炉压力控制系统的设计 |
| 3.5.1 炉膛负压控制系统设计 |
| 3.5.2 恒压控制调节气体流量的目的 |
| 3.5.3 恒压控制的方案设计 |
| 3.6 自动燃烧换向控制系统的设计 |
| 3.6.1 自动式烧嘴换向控制模式 |
| 3.6.2 分散式换向控制策略 |
| 3.7 本章小结 |
| 第4章 自动燃烧轧钢加热炉控制 |
| 4.1 加热炉控制系统 |
| 4.2 炉膛压力控制 |
| 4.3 加热炉炉温模型建立 |
| 4.3.1 模糊PID控制 |
| 4.3.2 数据通讯 |
| 4.3.3 物料跟踪 |
| 4.3.4 钢坯加热数学模型 |
| 4.3.5 标准加热工艺数据库 |
| 4.3.6 加热炉内部自动调整 |
| 4.3.7 数据管理 |
| 4.3.8 系统工作主界面 |
| 第5章 自动燃烧的轧钢加热炉控制系统运行测试 |
| 5.1 运行总体情况 |
| 5.2 钢温控制方面 |
| 5.3 钢坯通条温差 |
| 5.4 煤气单耗和氧化烧损 |
| 5.5 控制系统软件系统测试 |
| 5.5.1 温度跟踪 |
| 5.5.2 生产报表 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A PLC控制程序 |
| 附录 B 自动燃烧系统控制程序 |
| 致谢 |
| 在学期间研究成果 |
（4）1700中板坯热轧稳定高效轧制的关键技术（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 加热炉控制及燃烧技术的的发展 |
| 1.2.2 轧机刚度分析的发展 |
| 1.2.3 轧辊辊型磨削的发展 |
| 1.2.4 轧机轧制力模型的发展 |
| 1.3 课题来源及主要研究内容 |
| 第2章 板坯智能加热技术 |
| 2.1 蓄热式步进加热炉简介 |
| 2.1.1 蓄热式加热炉结构及工艺简介 |
| 2.1.2 蓄热式加热炉燃烧技术 |
| 2.2 智能加热技术的开发 |
| 2.2.1 温度计算模型 |
| 2.2.2 建立总括热吸收率的钢坯温度模型 |
| 2.2.3 加热方法–轧机反馈 |
| 2.3 智能加热技术的应用效果 |
| 2.4 本章小结 |
| 第3章 轧机关键技术 |
| 3.1 R1传动系统优化 |
| 3.1.1 粗轧机传动系统现状 |
| 3.1.2 粗轧传动系统优化 |
| 3.1.3 粗轧传动系统优化效果 |
| 3.2 轧机刚度分析模型的优化 |
| 3.2.1 轧机刚度现状 |
| 3.2.2 轧机刚度分析模型的开发 |
| 3.2.3 轧机刚度分析结果 |
| 3.2.4 轧机刚度分析模型应用的效果 |
| 3.3 支撑辊VCR辊型技术 |
| 3.3.1 支撑辊辊型现状 |
| 3.3.2 支撑辊VCR新辊型的应用 |
| 3.3.3 支撑辊VCR新辊型应用效果 |
| 3.4 轧机轧制力模型优化 |
| 3.4.1 轧制力模型现状 |
| 3.4.2 有限差分法计算轧辊辊温 |
| 3.4.3 轧制力计算优化 |
| 3.4.4 轧制力计算模型优化效果 |
| 3.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 在学期间研究成果 |
（5）基于模糊RBF神经网络PID的加热炉温度控制系统设计（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 1.绪论 |
| 1.1 加热炉炉温控制研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 加热炉的发展 |
| 1.3 加热炉的研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 本文完成的主要工作 |
| 2.加热炉燃烧控制系统概况 |
| 2.1 燃烧控制系统简介 |
| 2.2 加热炉的燃烧控制系统 |
| 2.2.1 助燃控制和燃烧气体控制系统 |
| 2.2.2 燃烧控制方法 |
| 2.3 加热炉燃烧控制中存在的问题 |
| 2.4 本章小结 |
| 3.加热炉温度控制的建模和仿真 |
| 3.1 加热炉燃烧控制模型 |
| 3.2 基于常规PID的加热炉温度控制系统设计 |
| 3.2.1 常规PID理论基础 |
| 3.2.2 基于常规PID加热炉温度控制系统仿真 |
| 3.3 基于模糊PID的加热炉温度控制系统设计 |
| 3.3.1 模糊控制系统的组成 |
| 3.3.2 模糊PID控制原理 |
| 3.3.3 模糊PID控制器参数整定算法 |
| 3.3.4 基于模糊PID加热炉温度控制系统仿真 |
| 3.4 基于RBF神经网络PID调节器温度控制系统设计 |
| 3.4.1 RBF神经网络的原理和结构 |
| 3.4.2 RBF神经网络学习算法 |
| 3.4.3 RBF网络PID整定原理 |
| 3.4.4 基于RBF神经网络PID的加热炉温度控制系统仿真 |
| 3.5 基于模糊RBF神经网络PID的加热炉温度控制系统设计 |
| 3.5.1 加热炉模糊神经网络PID控制原理 |
| 3.5.2 模糊神经网络的结构 |
| 3.5.3 模糊神经网络各层的关系 |
| 3.5.4 模糊神经网络PID学习算法 |
| 3.5.5 模糊神经网络PID学习步骤 |
| 3.6 四种PID控制仿真结果比较 |
| 3.7 本章小结 |
| 4.加热炉温度控制系统设计 |
| 4.1 步进式加热炉的生产工艺 |
| 4.2 加热炉控制系统总体设计 |
| 4.2.1 烟道和水封槽检测系统设计 |
| 4.2.2 空气和煤气主管道检测控制系统设计 |
| 4.2.3 上均热段检测控制系统设计 |
| 4.2.4 下均热段检测控制系统设计 |
| 4.2.5 三上加热段检测控制系统设计 |
| 4.2.6 三下加热段检测控制系统设计 |
| 4.2.7 二上加热段检测控制系统设计 |
| 4.2.8 二下加热段检测控制系统设计 |
| 4.2.9 一上加热段检测控制系统设计 |
| 4.2.10 一下加热段检测控制系统设计 |
| 4.2.11 炉底冷却水和氮气检测控制系统设计 |
| 4.3 加热炉温度控制系统软件设计 |
| 4.3.1 下位机软件PLC设计 |
| 4.3.2 上位机软件WINCC设计 |
| 4.4 本章小结 |
| 5.总结与展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）加热炉内钢坯温度场仿真研究（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 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 当前钢坯加热存在的问题 |
| 1.4 本文研究内容 |
| 1.5 本章小结 |
| 第2章 加热炉及其加热工艺与材料概况 |
| 2.1 加热炉及其关键技术装置介绍 |
| 2.1.1 加热炉的分类 |
| 2.1.2 蓄热燃烧技术 |
| 2.1.3 步进装置 |
| 2.2 蓄热式步进底加热炉 |
| 2.2.1 加热炉整体结构 |
| 2.2.2 燃烧控制系统 |
| 2.3 加热炉生产工艺 |
| 2.4 步进底炉问题分析与改造措施 |
| 2.4.1 加热炉当前存在的问题 |
| 2.4.2 问题分析 |
| 2.4.3 改造措施和预期效果 |
| 2.5 被加热钢坯材料介绍 |
| 2.6 本章小结 |
| 第3章 钢坯温度场的数值求解 |
| 3.1 传热学 |
| 3.1.1 三种常见的热量传递形式 |
| 3.1.2 温度场 |
| 3.1.3 边界条件 |
| 3.2 加热过程钢坯传热分析 |
| 3.3 导热微分方程的建立与求解 |
| 3.3.1 导热问题的数学描述 |
| 3.3.2 导热微分方程的建立 |
| 3.3.3 导热微分方程的离散化 |
| 3.4 边界条件的确定 |
| 3.5 代数方程组的迭代求解 |
| 3.6 本章小结 |
| 第4章 钢坯温度场仿真模拟分析 |
| 4.1 仿真软件介绍 |
| 4.2 钢坯几何模型的建立 |
| 4.3 热分析单元 |
| 4.4 网格划分参数设置 |
| 4.5 初始条件和边界条件的确定 |
| 4.6 钢坯换热量的确定 |
| 4.7 求解设置 |
| 4.8 钢坯温度场模拟结果 |
| 4.9 本章小结 |
| 第5章 钢坯加热工艺的优化与展望 |
| 5.1 改变加热工艺 |
| 5.2 改变装炉温度 |
| 5.3 优化不足与展望 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的成果 |
| 致谢 |
（7）蓄热式加热炉烟气反吹系统及其数值模拟（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外蓄热式加热炉研究进展 |
| 1.2.1 蓄热式加热炉的发展历程 |
| 1.2.2 蓄热式加热炉的研究现状 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 蓄热式加热炉烟气反吹系统研究 |
| 2.1 蓄热式加热炉煤气放散问题及解决办法 |
| 2.1.1 蓄热式加热炉煤气放散原理 |
| 2.1.2 自产煤烟爆喷反吹扫技术 |
| 2.2 蓄热式加热炉烟气反吹系统工艺设计 |
| 2.2.1 蓄热式加热炉基本概况 |
| 2.2.2 煤气放散量计算 |
| 2.2.3 蓄热式加热炉烟气反吹系统工艺流程 |
| 2.3 反吹系统主要设备选型 |
| 2.3.1 管道选型 |
| 2.3.2 风机选型 |
| 2.3.3 气体检测仪选型 |
| 2.3.4 二通阀设计 |
| 2.3.5 其他设备 |
| 2.4 自动化控制系统原理 |
| 2.4.1 时序控制方式 |
| 2.4.2 反吹系统安全联锁机制 |
| 2.5 小结 |
| 第3章 烟气反吹过程数值模拟 |
| 3.1 数学模型的选择 |
| 3.1.1 基本控制方程 |
| 3.1.2 湍流模型 |
| 3.1.3 物质输运模型 |
| 3.2 基本假设 |
| 3.3 物理模型建立及网格划分 |
| 3.4 边界条件及求解器设置 |
| 3.4.1 边界条件 |
| 3.4.2 求解器设置 |
| 3.5 模拟结果分析 |
| 3.5.1 反吹过程中CO浓度分布规律 |
| 3.5.2 吹扫速度和吹扫时间对CO浓度的影响 |
| 3.6 小结 |
| 第4章 反吹系统调试运行 |
| 4.1 反吹系统投运流程 |
| 4.1.1 烟气反吹系统设备检测 |
| 4.1.2 反吹系统管道清扫 |
| 4.1.3 反吹系统投运及停运 |
| 4.1.4 应急处理 |
| 4.2 反吹系统调试运行方案 |
| 4.3 烟气反吹系统投运调试结果分析 |
| 4.3.1 风机频率与反吹管道流量的关系 |
| 4.3.2 反吹系统初投运效果分析 |
| 4.3.3 煤气三通换向阀泄露原因分析 |
| 4.4 模拟验证 |
| 4.5 反吹系统投运对炉温、炉压的影响 |
| 4.5.1 吹扫时间对炉温控制的影响 |
| 4.5.2 烟气量对炉压控制的影响 |
| 4.6 反吹系统运行参数制定 |
| 4.7 小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业导师简介 |
| 作者简介 |
| 学位论文数据集 |
（8）基于神经网络的蓄热式加热炉的温度控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 概述 |
| 1.2 国内外蓄热式加热炉的温度控制研究 |
| 1.3 本课题研究的工作及背景 |
| 1.4 本课题研究的工作及内容 |
| 第2章 蓄热式加热炉的工作原理 |
| 2.1 蓄热式加热炉的工艺流程 |
| 2.1.1 蓄热式加热炉的设备 |
| 2.2 蓄热式加热炉的工作方式 |
| 第3章 常规PID与神经网络算法 |
| 3.1 常规PID控制的算法 |
| 3.1.1 PID的控制原理 |
| 3.1.2 双限幅控制的简介 |
| 3.1.3 双交叉限幅PID方式控制的算法 |
| 3.2 神经网络的概念 |
| 3.3 人工神经网络优缺点 |
| 3.4 控制方法的提出 |
| 3.5 BP神经网络的算法 |
| 3.6 NNM在线预测控制对象的模型 |
| 第4章 神经网络的PID在加热炉温度控制的应用 |
| 4.1 BP神经网络控制PID的设计 |
| 4.1.1 BP神经网络控制的PID |
| 4.2 BP神经网络的结构及学习 |
| 4.3 神经网络结构的确定 |
| 4.4 BP网络的向前网络计算 |
| 4.4.1 BP网络权值的计算 |
| 4.4.2 BP网络权值的调整规则 |
| 4.5 学习算法的过程 |
| 4.5.1 BP神经网络样本 |
| 第5章 仿真实验 |
| 5.1 Wincc与 Matlab的连接 |
| 5.2 加热炉仿真平台炉温仿真 |
| 5.3 Matlab仿真模型 |
| 结论 |
| 参考文献 |
| 附录 A 神经网络S-FUNCTION函数 |
| 致谢 |
| 导师简介 |
| 企业导师简介 |
| 作者简介 |
| 学位论文数据集 |
（9）蓄热式加热炉燃烧系统控制策略研究（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 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的主要研究内容 |
| 1.4 本章小结 |
| 第2章 蓄热式加热炉概况 |
| 2.1 加热炉的工艺及分类简介 |
| 2.1.1 室式炉 |
| 2.1.2 蓄热式加热炉 |
| 2.2 蓄热式锻造加热炉简介 |
| 2.2.1 蓄热式锻造加热炉的整体结构 |
| 2.2.2 蓄热式锻造加热炉的燃烧控制系统 |
| 2.3 蓄热式锻造加热炉亟待解决的问题 |
| 2.4 本章小结 |
| 第3章 蓄热式加热炉燃烧控制策略研究 |
| 3.1 加热炉燃烧机理分析 |
| 3.1.1 空燃比与空气过剩系数的关系分析 |
| 3.1.2 蓄热式加热炉所需空气量分析 |
| 3.2 加热炉温度回路控制方法研究 |
| 3.3 燃烧控制策略研究 |
| 3.3.1 双闭环比值控制 |
| 3.3.2 单交叉限幅控制 |
| 3.3.3 双交叉限幅控制 |
| 3.4 模糊控制在炉温控制中的应用 |
| 3.4.1 模糊控制原理简介 |
| 3.4.2 模糊控制器的组成 |
| 3.4.3 模糊PID控制 |
| 3.4.4 模糊PID控制器的设计流程 |
| 3.5 本章小结 |
| 第4章 蓄热式加热炉控制器设计与仿真研究 |
| 4.1 炉温控制系统设计方案的介绍 |
| 4.2 模糊PID控制器的设计 |
| 4.2.1 模糊PID结构分析 |
| 4.2.2 模糊化处理的确定 |
| 4.2.3 模糊规则的确定 |
| 4.2.4 输出清晰化的确定 |
| 4.3 加热炉控制系统仿真与研究 |
| 4.3.1 仿真软件介绍 |
| 4.3.2 加热炉控制模型的建立 |
| 4.3.3 模糊PID控制器的建立 |
| 4.3.4 控制系统仿真研究 |
| 4.4 本章小结 |
| 第5章 蓄热式加热炉控制系统的工业实现 |
| 5.1 现场元件的选型 |
| 5.1.1 温度传感器的选型 |
| 5.1.2 压力传感器的选型 |
| 5.1.3 流量传感器的选型 |
| 5.1.4 执行元件的选型 |
| 5.2 控制系统的硬件配置 |
| 5.3 上位机设计 |
| 5.4 下位机设计 |
| 5.5 总结 |
| 结论 |
| 参考文献 |
| 致谢 |
（10）蓄热式加热炉炉温先进控制系统的研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 加热炉建模方法研究现状 |
| 1.2.2 加热炉控制技术研究现状 |
| 1.3 预测控制 |
| 1.3.1 预测控制的发展 |
| 1.3.2 传统预测控制存在问题 |
| 1.4 本文主要内容 |
| 第二章 蓄热式加热炉概述 |
| 2.1 热连轧工艺简介 |
| 2.2 蓄热步进式梁式加热炉 |
| 2.2.1 蓄热式燃烧技术 |
| 2.2.2 步进式加热炉 |
| 2.2.3 加热炉对象介绍 |
| 2.2.4 加热炉控制系统设计 |
| 2.3 加热炉主要控制回路 |
| 2.3.1 加热炉炉温控制回路 |
| 2.3.2 烟气温度控制回路 |
| 2.3.3 炉膛压力控制回路 |
| 2.4 生产现场研究对象存在的问题 |
| 2.5 本章小结 |
| 第三章 加热炉先进控制系统方案设计 |
| 3.1 数据预处理 |
| 3.1.1 数据滤波处理 |
| 3.1.2 数据归一化处理 |
| 3.2 批处理最小二乘 |
| 3.3 广义预测控制算法介绍 |
| 3.4 加热炉先进控制系统方案设计 |
| 3.4.1 炉温先进控制策略的设计 |
| 3.4.2 加热炉炉温控制系统硬件设计 |
| 3.4.3 图形界面设计 |
| 3.5 本章小结 |
| 第四章 加热炉先进控制系统方案优化与实现 |
| 4.1 加热炉先进控制系统优化方案 |
| 4.1.1 数据滤波处理优化 |
| 4.1.2 加热炉换向过程优化控制 |
| 4.1.3 炉温多模型优化控制 |
| 4.1.4 控制器抗饱和优化 |
| 4.2 加热炉先进控制系统实现与应用 |
| 4.2.1 炉温对象模型辨识 |
| 4.2.2 GPC控制器参数整定 |
| 4.2.3 PID控制器参数整定 |
| 4.3 加热炉先进控制系统应用 |
| 4.3.1 投运效果 |
| 4.3.2 节能计算 |
| 4.4 本章小结 |
| 第五章 小波神经网络预测控制在炉温控制中的研究 |
| 5.1 引言 |
| 5.2 小波神经网络理论基础 |
| 5.2.1 小波神经网络分类 |
| 5.2.2 小波神经网络算法及参数选择 |
| 5.3 小波神经网络预测模型 |
| 5.4 小波神经网络控制器设计 |
| 5.5 加热炉炉温预测控制系统仿真 |
| 5.5.1 小波神经网络预测模型 |
| 5.5.2 炉温预测控制器仿真 |
| 5.5.3 预测控制系统仿真 |
| 5.6 本章小结 |
| 第六章 论文工作总结 |
| 6.1 本文工作内容总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
四、蓄热式加热炉的神经网络燃烧控制（论文参考文献）
- [1]蓄热式推钢加热炉炉内流场分布与传热过程数值模拟[D]. 刘云鹏. 燕山大学, 2021(01)
- [2]基于改进蚁群算法的加热炉温度控制研究[D]. 黄剑雄. 华北理工大学, 2021
- [3]基于自动燃烧的轧钢加热炉控制系统研究[D]. 李明辉. 华北理工大学, 2020(02)
- [4]1700中板坯热轧稳定高效轧制的关键技术[D]. 康春晓. 华北理工大学, 2020(02)
- [5]基于模糊RBF神经网络PID的加热炉温度控制系统设计[D]. 周信. 辽宁科技大学, 2020(02)
- [6]加热炉内钢坯温度场仿真研究[D]. 刘肖波. 河北科技大学, 2019(07)
- [7]蓄热式加热炉烟气反吹系统及其数值模拟[D]. 李世成. 华北理工大学, 2020(02)
- [8]基于神经网络的蓄热式加热炉的温度控制研究[D]. 熊延辉. 华北理工大学, 2019(03)
- [9]蓄热式加热炉燃烧系统控制策略研究[D]. 杜卫达. 河北科技大学, 2019(02)
- [10]蓄热式加热炉炉温先进控制系统的研究与应用[D]. 闵天. 中国科学技术大学, 2018(01)