🔍 Поиск готовых работ

🔍 Поиск работ

Интеллектуальная система управления эффективностью доменного процесса

Работа №202371

Тип работы

Дипломные работы, ВКР

Предмет

автоматизация технологических процессов

Объем работы70
Год сдачи2019
Стоимость4700 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
14
Не подходит работа?

Узнай цену на написание


АННОТАЦИЯ 2
1 ОПИСАНИЕ ИССЛЕДУЕМОГО ОБЪЕКТА 5
1.1 Развитие доменного производства 5
1.2 Схема доменной печи 9
1.3 Процесс доменной плавки 11
2 УПРАВЛЕНИЕ ДОМЕННЫМ ПРОЦЕССОМ 14
3 ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ И ЕЕ АКТУАЛЬНОСТЬ .... 17
4 ПОСТРОЕНИЕ МОДЕЛЕЙ ДЛЯ ОПИСАНИЯ ДАННЫХ 18
4.1 Анализ и обработка исходных данных 18
4.2 Построение модели 27
5 ОПТИМИЗАЦИЯ 32
5.1 Описание оптимизационной задачи 32
5.2 Результаты оптимизации 33
6 ЭКОНОМИЧЕСКИЙ ЭФФЕКТ НА ПОЛУЧЕННЫХ ДАННЫХ 35
7 ЭКСПЕРТНАЯ СИСТЕМА 37
7.1 Оптимизация на статистических данных за неделю 37
7.2 Оптимизация на статистических данных за месяц 44
8 ОПИСАНИЕ СОЗДАНИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ 49
ЗАКЛЮЧЕНИЕ 57
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 58

В современной цивилизации основным конструкционным материалом является железо. Производство железа имеет трехтысячелетнюю историю, начиная с плавки металла на кострах в глиняных горшках до сегодняшних промышленных гигантов. Высокая потребность общества в конструкционных материалах привела к развитию металлургии и созданию технологии доменного производства. На сегодняшний момент развитие доменного производства в большей мере происходит по пути интенсификации уже существующих производств. Это означает что металлургические предприятия стремятся увеличивать производительность за счет использования более эффективных средств производства, тем самым усовершенствуя организацию труда и технологические процессы. Стремясь максимально эффективно использовать производственный потенциал, специалисты по оптимизации и управлению воплощают последние достижения научно-технического прогресса.
Основная задача стоящая перед металлургами удовлетворить возрастающую потребность общества в железных материалах при сокращении ресурсной базы. Решение этой задачи определяет логику развития доменного производства. Применение современных методов управления производственным процессом выплавки чугуна позволяет максимально автоматизировать доменный процесс.
Эффективным решением для автоматизации доменного процесса является создание интеллектуальной системы управления эффективностью доменной плавки, основанной на математических зависимостях, описывающих технологический процесс.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Для повышения эффективности доменного процесса предложен подход управления при помощи экспертной системы, основанный на моделировании работы доменной печи и оперативной стабилизации параметров на основе полученных математических моделей.
В работе перелагается использовать линейную регрессию для идентификации модели влияния управляемых параметров (содержание кислорода в дутье, температура горячего дутья, расход дутья, доля агломерата в шихте, содержание СО и СО2, содержание руды в шихте, уровень засыпи, расход природного газа) на производительность и расход кокса. Полученные модели были использованы в оптимизации в качестве целевых функций. Оптимизационная задача была поделена на две составляющие: оптимизация по критерию максимума производительности чугуна и минимума расхода кокса. На основе результатов полученных при решении оптимизационной задачи был проведен расчет экономического эффекта. Данный расчет показал, что экономия наблюдается, при том значительная. Это говорит о полезности данного алгоритма на производстве. Для того чтобы мастер самостоятельно мог выполнять необходимые расчеты, в данной работе так же была предложена концепция экспертной системы, которая была протестирована на примерах месячных и недельных данных.
Такая система является полезным инструментом для операторов доменной печи. Данная система позволяет мастеру моделировать поведение печи и основываясь на результаты прогноза и собственный опыт мастер может принимать верное решение по отношению управляющих воздействий.



1 Товаровский, И.Г. Доменная плавка Монография. 2-е
издание. / И.Г. Товаровский. - Днепропетровск: Пороги, 2009. - 768 с.
2 Чернов, Д.К. О прямом получении литого железа и стали в доменной печи / Д.К. Чернов // Сб. трудов. - М.-Л.: ГосНТИ по черной и цветной металлургии. - 1950. - С. 307-327.
3 Доменное производство. Справочник. Т.1. / Под редакцией
И.П. Бардина. - М.: Металлургиздат. - 1963. - 648 с.
4 David, S.F. Artificial Neural Network Model for Predict of Silicon Content in Hot Metal Blast Furnace/ S.F. David, F.F. David, M.L.P. Machado // Materials Science Forum. - 2016. - V. 869, P. 572-577.
5 Angela, X.G. A Neural Network Approach to the Modeling of
Blast Furnace: Bachelor of Science in Computer Science and
Engineering and Master of Engineering in Electrical Engineering and Computer Science /X.G. Angela. - Massachusetts Institute of Technology. - 1999. - 69 p.
6 Kumar, D. Optimization of blast furnace parameters using artificial neural
network: Master of technology in metallurgical and materials
engineering / D. Kumar. - 2015. 36 p.
7 Tungkaya, Y. Comparative performance evaluation of blast furnace flame temperature prediction using artificial intelligence and statistical methods / Y. Tu^kaya, E. ^^luRaya // Turkish Journal of Electrical Engineering & Computer Sciences, - 2016. - V. 24, - P. 1163 - 1175.
8 Павлов, М.А. Металлургия чугуна. Часть первая / М.А. Павлов. - М.: Государственное научно-техническое издательство литературы по
черной и цветной металлургии, 1955. - 212 с.
9 Дюк, В.А. Применение технологий интеллектуального анализа данных в естественнонаучных, технических и гуманитарных областях / В.А. Дюк,
А.В. Флегонтов, И.К. Фомина //Известия российского государственного педагогического университета им. А.И. Герцена.- Издательство: Российский
государственный педагогический университет им. А.И. Герцена (Санкт-Петербург). - 2011. - № 138. - С. 77-84.
10 Aleksander, I. An Introduction to Neural Computing / I. Aleksander, H. Morton // London, Chapman&Hall. - 1990. - 250 p.
11 McCulloch, W.S. A logical calculus of ideas imminent in nervous
activity / W.S. McCulloch, W. Pitts // Bulletin Mathematical
Biophysics. - 1943. - V. 5, - P.115-133.
12 Rosenblatt, F. The perceptron: A probabilistic model for information storage and organization in the brain / F. Rosenblatt // Psychological Review. - 1958. - V. 65, - P.386-407.
13 Вороновский, Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев // Харьков: Основа. - 1997. - 112 с.
14 Хайкин, С. Нейронные сети: полный курс / C. Хайкин. - 2-е издание. - М.: Издательский дом «Вильямс», 2006. - 1104 с.
15 Воронов, И.В. Обзор типов искусственных нейронных
сетей и методов их обучения / И.В. Воронов, Е.А. Политов,
В.М. Ефременко // Вестник Кузбасского государственного технического университета. - 2007. - №3. - С. 38-42...80


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ