导读:本文包含了氢粉碎论文开题报告文献综述及选题提纲参考文献，主要关键词:钕铁硼,无模型自适应控制,神经网络,遗传优化
氢粉碎论文文献综述
赵晓斌[1]（2015）在《基于数据驱动的钕铁硼氢粉碎优化控制系统研究》一文中研究指出烧结钕铁硼磁体的生产过程要求工序多，属于复杂流程工业生产系统。其中，通常作为钕铁硼铸块破碎手段的氢爆碎工序非常重要，因为经过氢爆碎的钕铁硼合金粉碎程度和氢含量对钕铁硼磁体的磁性能有直接影响。由于复杂系统无法准确的建立模型而使传统控制方法难以对其进行理想的控制，而无模型自适应控制是一种不依赖于被控系统数学模型的控制方法，它只利用系统的输入输出数据设计控制器，并且具有算法简单、可调参数少、控制性能好等优点。本课题在深入分析钕铁硼吸氢原理和工艺的基础上，采用无模型自适应控制方法设计钕铁硼氢粉碎控制系统，并通过实验验证了该方法的可行性。主要研究工作如下：深入研究了无模型自适应控制方法的背景、基本原理、无模型自适应控制律、特征参量辨识方法以及无模型自适应控制的性能。通过仿真实验，将无模型自适应控制与传统PID控制方法在跟踪性、时滞适应性、适应性等方面进行了对比，得出了有应用价值的数据对比曲线。同时，针对无模型自适应控制器参数需人工调整这一缺点，提出基于遗传算法优化的无模型自适应控制（GA-MFAC），并以叁容水箱液位控制为背景，进行了仿真实验，结果表明与无模型自适应控制方法相比，GA-MFAC控制器收敛速度更快，响应时间更短，超调量更小。建立了基于SOM和RBF混合神经网络的氢含量预测模型，并采用从工业现场采集的数据进行仿真试验，结果表明该模型能实时、准确的预测钕铁硼氢爆碎过程中合金的氢含量，从而为无模型自适应控制提供控制依据。以钕铁硼氢粉碎过程为控制对象，构建并设计基于遗传优化算法的无模型自适应控制系统，完成了系统硬件和软件设计，并且系统试验运行良好，为氢粉碎过程控制提供了一种全新的方法。(本文来源于《内蒙古科技大学》期刊2015-06-05）
陈磊[2]（2015）在《钕铁硼氢粉碎自适应控制策略研究》一文中研究指出极高的磁能积矫顽力和高能量密度的优点使钕铁硼（NdFeB）永磁材料在现代工业和电子技术中获得了广泛应用，氢粉碎作为破碎NdFeB合金的一种工艺，是一个非线性多变量合金粉碎程度难以测量的过程，钕铁硼材料制粉的好坏关系着永磁材料最终的产品性能，目前国内外钕铁硼材料生产企业都是依据日本岛津设定值参考曲线来进行计算机控制的，而对于氢粉碎工艺的设定值优化研究仍处于起步阶段动态机理模型优化和预测控制算法相结合，是设定值优化的一种有效手段本课题在对吸氢过程动态机理模型深入研究的基础上，针对机理模型建立过程中存在的不确定性，提出了面向这一复杂非线性过程的基于增强学习的神经网络优化方法和基于NLMS算法的Volterra级数自适应优化方法，分别利用这两种方法对机理模型进行优化，输出合金氢含量温度和压力的期望值，并通过实验验证了两种优化方法的有效性针对NdFeB合金吸氢粉碎过程难以测量，应用智能优化控制的理论与方法，设计了基于预测控制的氢粉碎吸氢生产过程的自适应控制策略，利用RBF神经网络建立吸氢过程的预测模型，研究并使用了LM算法对其进行求解运算最终给出特定生产条件下的温度压力目标设定值曲线此外，本文使用VC++6.0作为开发平台，完成了钕铁硼氢粉碎自适应控制系统的设计，利用MATLAB实现自适应控制算法求解设定值，通过COM接口技术实现与上位机的实时数据交换，并实现了设定值曲线实时显示生产数据实时存储到SQL数据库中等功能，下位机以PLC为控制核心通过串口与上位机进行数据通信，实现温度和压力的实时控制本论文使用两种方法对机理模型进行了优化，并将预测控制应用于钕铁硼的氢粉碎吸氢生产过程，得到特定生产条件下的目标设定值曲线，通过将计算机自动控制系统应用于实际生产，以及自适应控制策略的应用降低了整个生产过程的成本提升了生产效率(本文来源于《内蒙古科技大学》期刊2015-06-05）
单志敏[3]（2015）在《钕铁硼氢粉碎过程平行控制方法研究》一文中研究指出钕铁硼永磁材料在各行业的应用十分广泛，对国民经济发展的作用不可忽视。近年来，氢粉碎工艺在钕铁硼生产制备过程中作用愈发突出，针对钕铁硼氢粉碎工艺过程中的自动控制也成为研究的热点问题。钕铁硼合金氢爆过程的时变、耦合和非线性等特点给自动控制带来了较大困难，而且粉碎程度无法在线监测，高水平自动化控制不易实现。本课题在深入分析了氢粉碎工艺和原理的基础上，采用案例推理的方法从历史数据库中找到与当前生产最相似的案例作为控制目标，结合平行控制的思想，建立吸氢过程的动态机理模型和参数预测模型作为钕铁硼氢粉碎人工系统的组成部分，通过仿真实验和理论计算的方法验证模型的正确性，并针对该人工系统利用自适应动态规划的方法设计控制策略，实现人工系统和实际系统的双闭环控制。论文的主要内容包括以下部分：1、钕铁硼氢粉碎原理及其工艺流程分析。2、利用案例推理的方法建立钕铁硼氢粉碎案例推理控制系统，对钕铁硼氢粉碎过程进行控制参数的优化并通过检索得到控制当前实验过程的最优案例。3、根据平行控制的理论建立钕铁硼氢粉碎人工系统，包括利用数学建模的方法建立动态机理模型，利用BP神经网络方法建立温度、压力和吸氢量的参数预测模型。为验证两个模型的正确性进行了模型仿真实验，实验结果证明动态机理模型和神经网络模型都可以很好地描述实际系统。4、在人工系统基础上设计基于自适应动态规划方法的最优控制策略，实现人工系统的闭环控制，并结合实际系统实现双闭环控制，最终建立完备的钕铁硼氢粉碎平行控制系统。本课题提出利用平行控制的思想对钕铁硼氢粉碎过程进行控制，是实现氢粉碎工艺高水平自动化控制的一项有价值的探索，对该领域后续的研究工作具有开拓性的意义。(本文来源于《内蒙古科技大学》期刊2015-06-05）
朱林,孙谦[4]（2014）在《钕铁硼氢粉碎过程控制实验室设计与实现》一文中研究指出针对多变量、非线性、耦合为特点的复杂工业过程,以钕铁硼氢粉碎工艺为背景的复杂工业过程控制实验平台,可为基于数据驱动的控制模型建立、优化和验证提供研发实验环境。氢粉碎过程控制实验平台由下位机和上位机构成,下位机实时采集钕铁硼氢粉碎工艺参数,接收和执行上位机命令;上位机的数据库完成工艺数据存储,与数据库连接的仿真平台完成模型建立和验证;上位机根据实时工艺数据和控制模型生成控制命令送给下位机。使用者收集建模样本数据时,可方便地改变采样频率,并同时对比模型相应结果。实践表明,该实验促进了学生科研能力的提高,实现了教学与科研的有机结合。(本文来源于《实验室研究与探索》期刊2014年09期）
孙谦[5]（2014）在《钕铁硼氢粉碎过程控制实验平台的研究与设计》一文中研究指出以钕铁硼氢粉碎工艺为背景的复杂工业过程控制实验平台，可为基于数据驱动的控制模型建立、优化和验证提供研发实验环境。氢粉碎过程控制实验平台由下位机和上位机构成，下位机实时采集钕铁硼氢粉碎工艺参数，接收和执行上位机命令；上位机的数据库完成工艺数据存储，与数据库连接的仿真平台完成模型建立和验证；上位机根据实时工艺数据和控制模型生成控制命令送给下位机。该实验平台的创新点在于，使用者收集建模样本数据时，可方便的改变采样频率并同时对比模型相应结果。论文的主要内容包括：1、为了给基于数据驱动的钕铁硼氢粉碎的计算机控制方法提供实验条件，搭建了一种新型的钕铁硼氢粉碎过程控制实验平台，论文介绍了该实验平台的主要设计思路和重要组成部分，搭建该实验平台的目的是方便各种数学模型的验证。2、钕铁硼氢粉碎过程控制实验平台的设备结构设计，分为气路系统和机械系统两部分。3、钕铁硼氢粉碎实验平台控制系统的设计，包括总体设计、下位机的设计、上位机的设计叁部分，下位机的设计主要分为PLC顺控程序的设计、温度控制系统的设计、压力控制系统的设计和氢气瞬时流量和累计流量的采集程序的设计4部分，上位机的设计主要分为组态界面的设计、组态界面与数据库之间的通信、Matlab与组态界面之间的通信3部分进行介绍。4、钕铁硼氢碎实验平台在教学实验中的实际使用情况枚举，对比了实验实际结果和氢碎模型的预测结果的差别，并分析产生差别的原因，验证了预测模型的可行性，也说明了实验平台在教学中起到了较好的培养学生科研能力的作用。(本文来源于《内蒙古科技大学》期刊2014-06-06）
陆春伟[6]（2014）在《蚁群算法在钕铁硼氢粉碎控制系统中的应用》一文中研究指出钕铁硼氢粉碎工艺作为新兴稀土永磁材料的制备方法，应用极为广泛。但是氢碎过程当中，合金的粉碎状况、合金当中的氢含量等工艺参数无法通过传感器实时检测，从而限制了钕铁硼氢粉碎制备工艺过程的优化控制。如何通过工艺过程控制提升钕铁硼氢粉碎产品的质量，缩短生产周期，降低制造成本是生产企业亟待解决的问题。论文深入分析了氢碎工艺过程当中决定合金粉碎质量及造成粉碎周期延长的相关因素，针对氢粉碎过程非线性、多变量等特点，在课题小组前期工作的基础上，运用数据驱动的方法，解决检测与控制问题。论文完成的主要内容包括：1、从磁性材料制备与控制学科综合交叉的角度，分析、研究影响钕铁硼氢粉碎产品质量及生产周期的相关因素。2、在课题小组前期研究的基础上，针对钕铁硼氢粉碎过程当中合金吸氢量无法实时检测的问题，提出采用改进蚁群智能算法，综合软测量技术，优化基于支持向量机构建的回归预测模型的参数，提高模型的预测精度。3、以实验室购置的钕铁硼氢粉碎设备为基础，完成了上述模型的在线测试、优化及验证。并给出了改进蚁群智能算法-支持向量机构建的氢含量预测模型与基于PSO-SVR的氢含量预测模型的检测效果对比。4、以上述购置的钕铁硼氢粉碎实验设备为对象，完成了钕铁硼氢粉碎过程控制系统的设计（承担组态监控界面与MATLAB预测模型之间的OPC通信、设备硬件部分的数据采集及与组态监控界面的实时通信等部分功能模块的设计）、安装和调试。(本文来源于《内蒙古科技大学》期刊2014-06-06）
王雪萍[7]（2014）在《钕铁硼氢粉碎过程建模与优化控制研究》一文中研究指出氢粉碎工艺（HD）是制备高性能钕铁硼（NdFeB）磁体的必备工序之一。钕铁硼氢粉碎过程具有非线性、耦合、重要工艺参数无法在线检测等特性，限制了钕铁硼氢爆工艺的自动控制水平。目前，生产工人只能靠经验判断，工艺参数不能在线调整，以延长钕铁硼合金吸氢时间来保证合金完全粉碎，造成生产周期延长，资源浪费，生产成本高。本课题针对这一问题，应用控制学科和材料学科交叉的研究手段，对钕铁硼的氢爆碎工艺的建模与优化控制进行研究，设计了工艺参数可以实时动态优化的自动控制系统。在深入分析钕铁硼氢碎反应机理的基础上，从化学反应动力学与热力学、物料衡算与能量衡算和扩散理论等方面来研究氢爆反应过程中温度、压力和炉内的氢气量等对吸氢过程的影响，利用状态空间方程的思想构建吸氢反应的动态机理模型。通过对模型仿真实验对比分析验证了模型的正确性与合理性。机理模型构建时存在一些假设与简化，将影响其准确度。采用科学实验过程和工业生产过程中保留了大量的数据，构建了基于滚动优化方法的径向基函数（RBF）神经网络工艺参数实时预测模型。由这两个模型相结合，提出了基于炉况诊断的多模型优化控制策略。通过氢爆碎系统实时吸氢量与目标吸氢量比较对当前炉况进行诊断，根据当前的炉况信息进行模糊协调计算来分配两个模型在优化控制算法中的权重系数，从而由该优化控制算法给出优化的工艺曲线。该算法综合了二者的优点，屏蔽各自缺点。氢爆碎自动控制系统分为上位机部分和下位机部分，下位机是以PLC为核心控制器，结合现场执行结构完成本地控制。上位机部分设计包括组态王软件监控系统设计，MATLAB中优化控制算法的编制，数据的保存与管理，组态王、SQLServer以及MATLAB之间的通信设计等。本课题所提出优化控制算法在氢爆碎工艺研究方面是一项探索性的工作，该自动控制系统提出了工艺过程控制参数在线实时动态优化，具有很重要的研究价值和应用价值。(本文来源于《内蒙古科技大学》期刊2014-05-15）
朱林,蔡田[8]（2013）在《钕铁硼氢粉碎工艺参数在线监测研究与应用》一文中研究指出以钕铁硼氢粉碎生产工艺为应用背景,运用软测量技术,研究并设计钕铁硼合金吸氢状态实时监测平台。论述了基于支持向量机SVR和自适应变异粒子群算法PSO相结合的钕铁硼合金吸氢状态检测建模方法,并对如何将仿真完成的智能算法应用于在线监测系统的问题进行了深入的探讨,分析了诸多先进控制算法仍然停留在纯数字仿真阶段的制约因素,提出了采用OPC技术在Matlab检测模型与工业控制组态平台之间交互数据的通讯方案,解决了钕铁硼氢粉碎过程中合金吸氢状态不能实时检测的难题。(本文来源于《稀土》期刊2013年05期）
蔡田[9]（2013）在《PSO-SVR在钕铁硼氢粉碎工艺中的应用研究》一文中研究指出钕铁硼氢粉碎是永磁材料生产工艺中常用的制粉方法，由于钕铁硼氢粉碎过程中被粉碎合金的粉碎状态、合金中氢含量等生产运行数据无法在线检测，导致钕铁硼氢粉碎工艺难以实现高水平自动控制。操作工人只能靠经验判断，以延长合金吸氢时间来保证合金完全粉碎，造成生产周期延长，浪费资源，生产成本加大。合金吸氢反应过程状态未知，难以调整最优控制参数，会影响合金粉末的品质。为了保证产品质量及生产效益，需要对钕铁硼氢粉碎控制系统相关参数实施在线检测，以满足工艺控制的需求。本文对钕铁硼氢粉碎原理、工艺、影响氢粉碎产品质量和生产周期的重要因素以及实现控制的难点作了深入分析研究，针对粉碎过程重要参数无法在线检测问题，提出基于支持向量机的预测方法实现钕铁硼合金中氢含量的预报，并根据预报结果来调整相关控制参数，缩短生产周期，提高产品质量。支持向量机建立在统计学习理论基础上，通过核函数计算将低维空间非线性问题转化成高维空间线性问题，能较好地解决小样本、非线性、高维数等问题，是解决非线性问题的重要工具。以其很强的学习能力和泛化能力，受到智能算法领域学者的广泛关注，目前在许多领域得到成功应用。论文的主要内容包括：1、对钕铁硼氢粉碎原理及工艺过程进行研究，深入分析影响产品质量及生产周期的因素。2、简单介绍支持向量机理论基础及基本原理，利用生产过程的历史数据建立支持向量机预测模型，采用MATLAB软件进行仿真和验证。3、基于交叉验证思想，以支持向量机预测模型的均方误差最小为目标，采用粒子群优化算法对支持向量机模型参数进行优选，相比网格搜索法，粒子群算法具有更高的预测精度及更强的泛化能力。4、建立氢粉碎工况数据库，通过ODBC方式与MATLAB进行数据交互，方便MATLAB预测模型调取实时数据，同时将预测结果存入数据库，用于分析使用。5、设计控制系统监控界面，组态连接变量，通过OPC通讯完成预测模型和WINCC之间数据交互，实现难测工艺参数的在线检测。(本文来源于《内蒙古科技大学》期刊2013-06-17）
朱林,薛艳兵[10]（2012）在《钕铁硼氢粉碎工艺控制方法研究》一文中研究指出氢粉碎工艺是钕铁硼磁性材料生产的重要一环,由于钕铁硼合金在粉碎炉内的反应状况无法检测,导致工艺自动控制与优化进展缓慢,结合钕铁硼氢粉碎机理,深入分析了基于历史工艺数据推理、基于神经网络技术控制算法在钕铁硼氢粉碎工艺控制中的可行性、优缺点和实现方法。(本文来源于《化工自动化及仪表》期刊2012年07期）
氢粉碎论文开题报告
（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：
极高的磁能积矫顽力和高能量密度的优点使钕铁硼（NdFeB）永磁材料在现代工业和电子技术中获得了广泛应用，氢粉碎作为破碎NdFeB合金的一种工艺，是一个非线性多变量合金粉碎程度难以测量的过程，钕铁硼材料制粉的好坏关系着永磁材料最终的产品性能，目前国内外钕铁硼材料生产企业都是依据日本岛津设定值参考曲线来进行计算机控制的，而对于氢粉碎工艺的设定值优化研究仍处于起步阶段动态机理模型优化和预测控制算法相结合，是设定值优化的一种有效手段本课题在对吸氢过程动态机理模型深入研究的基础上，针对机理模型建立过程中存在的不确定性，提出了面向这一复杂非线性过程的基于增强学习的神经网络优化方法和基于NLMS算法的Volterra级数自适应优化方法，分别利用这两种方法对机理模型进行优化，输出合金氢含量温度和压力的期望值，并通过实验验证了两种优化方法的有效性针对NdFeB合金吸氢粉碎过程难以测量，应用智能优化控制的理论与方法，设计了基于预测控制的氢粉碎吸氢生产过程的自适应控制策略，利用RBF神经网络建立吸氢过程的预测模型，研究并使用了LM算法对其进行求解运算最终给出特定生产条件下的温度压力目标设定值曲线此外，本文使用VC++6.0作为开发平台，完成了钕铁硼氢粉碎自适应控制系统的设计，利用MATLAB实现自适应控制算法求解设定值，通过COM接口技术实现与上位机的实时数据交换，并实现了设定值曲线实时显示生产数据实时存储到SQL数据库中等功能，下位机以PLC为控制核心通过串口与上位机进行数据通信，实现温度和压力的实时控制本论文使用两种方法对机理模型进行了优化，并将预测控制应用于钕铁硼的氢粉碎吸氢生产过程，得到特定生产条件下的目标设定值曲线，通过将计算机自动控制系统应用于实际生产，以及自适应控制策略的应用降低了整个生产过程的成本提升了生产效率
（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。
氢粉碎论文参考文献
[1].赵晓斌.基于数据驱动的钕铁硼氢粉碎优化控制系统研究[D].内蒙古科技大学.2015
[2].陈磊.钕铁硼氢粉碎自适应控制策略研究[D].内蒙古科技大学.2015
[3].单志敏.钕铁硼氢粉碎过程平行控制方法研究[D].内蒙古科技大学.2015
[4].朱林,孙谦.钕铁硼氢粉碎过程控制实验室设计与实现[J].实验室研究与探索.2014
[5].孙谦.钕铁硼氢粉碎过程控制实验平台的研究与设计[D].内蒙古科技大学.2014
[6].陆春伟.蚁群算法在钕铁硼氢粉碎控制系统中的应用[D].内蒙古科技大学.2014
[7].王雪萍.钕铁硼氢粉碎过程建模与优化控制研究[D].内蒙古科技大学.2014
[8].朱林,蔡田.钕铁硼氢粉碎工艺参数在线监测研究与应用[J].稀土.2013
[9].蔡田.PSO-SVR在钕铁硼氢粉碎工艺中的应用研究[D].内蒙古科技大学.2013
[10].朱林,薛艳兵.钕铁硼氢粉碎工艺控制方法研究[J].化工自动化及仪表.2012