《计算机在冶金中应用-概论课件》由会员分享，可在线阅读，更多相关《计算机在冶金中应用-概论课件（16页珍藏版）》请在金锄头文库上搜索。
1、计算机在冶金中应用-概论,冶金过程计算机系统的发展趋势 计算机在冶金过程中的应用概况 计算机数据采集与数据处理,一、冶金过程计算机系统的发展趋势,为什么钢铁生产过程要实行计算机控制。或者说计算机控制的效果表现在哪里？为了说明这个问题，下面介绍钢铁生产过程的性质和特点。 钢铁生产的性质可概括为以下三点： 是大型装置工业； 需要复杂的生产过程； 是高能耗高污染生产单位。 这些性质具体表现为如下特点。 1）设备方面的特点是： 单机设备大； 多半不是连续过程，而是间歇过程； 人工操作仍相当多。 2）生产过程中物流的特点是： 原料使用量大； 要使用大量的能量和水； 物流相当复杂； 原料和成品的运输量大。
2、,1、冶金过程计算机控制的必要性,一、冶金过程计算机系统的发展趋势,3）生产过程状况特点是： 生产过程中物流多种多样； 高温下作业。 4）从劳动条件方面看的特点是： 要求熟练工的作业多； 多为高温、重体力劳动。,钢铁企业在原料、能量、设备偿还和劳动力费用方面都受到很大压力，而对如此严酷要求，必须找出有效的对策解决。为了钢铁工业的现代化，正在经历着种种变革。这些变革必须实行自动化，或至少以自动化为前提的计算机控制。,1、冶金过程计算机控制的必要性,一、冶金过程计算机系统的发展趋势, 提高大型设备的生产效率 对于象钢铁工业这种具有大型设备的工业，为了提高投资率，必须提高设备运行率。而且要求始终在稳
3、定状态下运行。近代设备的理想条件，是要求设备本身具有自控能力，变化部分可以通过自动化来补偿。可是实际情况离这种理想条件很远，设备的运行条件在大幅度地、频繁地变动着。 原料变动（包括：成分变动，到货拖迟，价格变动等） 市场情况变动 成品品种尺寸的变化 工序的延迟 设备平衡的变动 工序中出现薄弱环节 加强质量管理 生产管理的合理化 省力化、无人化,2、自动化的动向和计算机控制,二、冶金过程计算机的主要任务,完成行政管理任务，以减轻日常管理工作强度； 为企业管理建立信息系统，以便快速而全面地掌握企业的定货、生产和财务情况； 使生产过程合理化，以降低成本和保证质量。,1）计算机将主要完成下列任务,二、
4、冶金过程计算机的主要任务,收集在线数据，作为管理生产和分析生产经济性的手段 收集在线数据，作为保证质量的辅助手段 收集直接与生产过程连接的在线数据，作为控制工艺流程的手段，以达到保证质量和降低成本的目的。,2）生产流程计算机主要完成下述三项任务：,三、计算机控制的现状和展望,现状：1）投资效果 2）系统的可靠性 3）与自动化有关的诸因索 展望：近年来，冶金学知识体系和结构，随着冶金技术的发展和相关学科的进步，发生了革命性的变化。计算机技术的发展和在冶金过程中的广泛应用，使冶金学理论和工艺的研究方法、冶金生产及其控制技术发生了重大变革。由传统冶金学和传统冶金工艺学所构成的知识体系和结构，已不能完
5、全满足现代冶金工艺发展和理论研究的需要。因此，诸如，对微观或宏观过程的认识、单元过程或现象的定量解析、反应过程的数学物理模拟、反应和生产速率的预测、反应器的仿真研究和设计、人工智能技术的应用以及反应器运行和整体生产过程的控制等等，计算机的应用起着推动冶金工业生产技术不断进步的重要作用。,数据采集与处理,自动化控制,生产工艺过程优化,机理型,经验型,反应机理（热力学动力学）,收集生产工艺数据,构造数模,应用数学统计方法,四、计算机在冶金过程中的应用,特点：1）与生产过程紧密相关； 2）调节工艺参数优化，可离线、可在线； 3）经验积累,人工智能优化,四、计算机在冶金过程中的应用概况,机理型 从物理
6、化学知识出发研究反应机理，推导过程的热力学和动力学方程，借助经验参数求解这些方程，从而达到指导生产的优化目的。,2、冶金过程的人工智能优化,经验型 通过收集生产数据，将工艺参数作为输入，生产效果作为输出，应用数学方法研究输入与输出信息的关系，借以调整输入而达到最佳输出的效果。,人工智能优化是指将模式识别、人工神经网络和专业系统技术以及其他可以模拟人类思维的算法发展成优化策略，从而改进生产过程，达到人们预期的目的。,四、计算机在冶金过程中的应用概况,人工智能优化的特点 与生产过程紧密相关 主要通过工艺参数调节达到优化目的 随着生产发展，在积累新的数据之后，可进行新一轮优化,人工神经网络 神经网络
7、基于连接机制的大规模并行处理的分布式的信息存储，它是依靠大量神经元广泛互连所引起的不同的兴奋状态和系统所表现出的总体行为进行工作。 在冶金过程的在线预报和控制技术开发应用方面，人工神经网络技术也具有广阔的开发和应用前景。,五、计算机数据采集与数据处理,数据采集的基本结构 计算机数据采集是用传感器对物理量(如温度、压力、流量或位移）进行采集、转换为模拟信号，然后把模拟信号由A/D转换为数字信号，再由计算机进行处理、显示、存储或打印的过程。,样本采集与数据处理,样本采集收集满足一定要求的生产数据，样本的数据由变量和目标两部分构成,在收集生产数据前，首先确定所要优化的目标；初步估计影响该目标的工艺参
8、数。,1）优化目标的确定：,优化目标的两种表示形式,连续量目标提高产量目标，降低单位能耗目标等，按照某个数值为界，大于该界线的目标为一类，否则为另一类；,类型目标将产品分为合格与不合格两类，优化目标是增加合格类型的产品,A:,B:,多目标问题处理方法,（1）将多目标转化为单目标,（2）寻求共同优化区域,（3）用多输出的人工神经网络,C:,常见难题：,（1）同一个记录的参数相互不匹配 长流程连续生产，同一时刻记录的各工艺参数之间不对应时差问题，同一时刻记录的工艺参数和该时刻产品质量或产量不相对应，后者要滞后一段时间。,（2）两类样本数目悬殊 例：以排除事故提高正常运转为优化目标，由于事故出现少，
9、正常生产样本多，造成样本数目悬殊,（3）优化结果得到毫无价值的平庸结论 例：高炉炼铁降焦比，得到的优化措施为提高矿石品位，提高风温这种结论看起来不错，实际上是平庸结论。,（4）优化目标隐藏在变量之中 例：薄板连铸裂纹，氮含量问题,2) 变量确定与数据处理,（1）连续量的合理离散化,（2）排除已知的起决定性作用的工艺参数,（3）排除不可操作的工艺参数,（4）切忌遗漏主要因素,（5）原始数据的可靠性 系统误差，随机误差,（6）训练样本数量 样本数至少是变量的5倍，最好是10倍以上 从统计观点，样本数多多益善。,样本标准化,1） 自标准化,m个变量，n 个数据,i=1,2,n j=1,2,m,自标准化后的各变量平均值为零，方差为1，即Sj2=1,由于原始样本集的变量量纲不同，不同变量数据大小差别很大。如温度可能是103，而化学成分可能是10-1；同时，数据分布范围也不一样。数据平均值和方差不一样，会导致夸大某些变量影响目标的作用，掩盖某些变量的贡献，不能有效地进行统计处理。因此，必须要对原始数据进行标准化(也称数据标度)。,2) 范围标准化,范围标准化的数据从0到1，应用到反传人工神经网络算法Sigmoid函数，输出数据范围正好是01。,有时为了允许预报值在一定范围内超界，使输出值在0.10.9范围内,
