一、氧化铝生产过程制造执行系统的研究（论文文献综述）
桂卫华,曾朝晖,陈晓方,谢永芳,孙玉波[1]（2020）在《知识驱动的流程工业智能制造》文中进行了进一步梳理智能制造是实现我国流程工业高效化、绿色化、高质量发展的必由之路.知识是流程工业智能制造的核心要素,知识驱动的流程工业智能制造是流程制造业发展的新模式.论文从流程制造业中知识的重要性和特点出发,综述了知识研究及应用现状.提出了知识驱动的流程工业智能制造系统框架,探讨了深度知识获取、知识注入和工业知识图谱等关键技术.通过铝电解企业智能决策过程应用案例阐明了以上关键技术在流程工业智能制造系统中的重要作用.最后给出了知识驱动的流程工业智能制造面临的挑战性问题和未来展望.
宫会彬[2]（2020）在《铝电解制造执行系统优化决策模块的设计和开发》文中研究指明随着《中国制造2025》战略的提出,智能制造成为了未来制造业发展的新方向,制造执行系统在加快铝电解厂实现智能制造的进程中扮演着重要角色。电解槽是铝电解厂的关键生产设备,在槽控系统的控制下基本实现了重要生产工序的自动化,但对于电解槽控制参数调整还处于人工根据经验调整状态。因此在铝电解制造执行系统中研发出能够对电解槽的控制参数进行优化决策的功能模块具有重要意义。本课题主要针对铝电解制造执行系统中的优化决策模块进行设计和开发,该模块主要用于解决电解槽控制参数的优化问题。首先,介绍了铝电解工艺和电解槽运行状况的影响因素,分析了目前电解槽控制参数调整的需求,在此基础上结合铝电解制造执行系统的功能结构确定了该模块的功能和预期效果;然后,根据铝电解生产的实际情况,对该模块的算法进行设计,提出了基于案例推理的电解槽控制参数优化方法,结合铝电解工艺数据的特点设计了案例推理中的案例表示、案例检索、案例重用、案例修正及案例存储的具体实现方法,同时为了解决在该方法中的初始案例和特征权值的确定问题,分别采用了基于遗传模拟退火算法的聚类算法来获取初始案例以及主成分分析法确定特征权值;最后,结合某铝电解厂的制造执行系统实际开发环境,对该模块的前端、数据库以及算法程序等进行了设计。按照上述的设计内容开发出了该功能模块,结合某铝电解厂电解车间的工艺数据完成了初始案例和特征权值的确定工作,将该功能模块在某铝电解厂的电解车间中进行实验,提高了电流效率且降低了直流电耗,达到了预期效果。
高炜[3]（2020）在《滚磨光整加工数据库平台研发及工艺方案决策方法研究》文中提出滚磨光整加工技术是一种普适性很强的旨在提高零件表面质量、改善零件表面完整性的基础制造工艺技术,已在传统制造及高端装备制造领域广泛使用。国际权威专家Cariapa指出,机械零件中约有50%可以采用滚磨光整加工提高零件表面质量。滚磨光整加工工艺系统的专业性与复杂性,使得全产业链内企业之间存在工艺供需信息盲区,严重制约滚磨光整加工技术在制造领域的优势发挥。以长期工艺研发实践积累的大量工艺实例和开放式汇集的典型实例为基础,研发滚磨光整加工数据库平台并探索工艺方案决策的智能化方法,助推有效加工信息资源的合理共享,是全产业链企业转型升级、提质增效重要而现实的课题,对进一步拓宽滚磨光整加工技术的应用有着十分重要的意义。本课题的主要研究目的:一是研究滚磨光整加工数据库的构建模式,满足现阶段全产业链企业对滚磨光整加工要素信息直接获取的实际要求。二是研究工艺方案决策智能化方法及应用策略,使不同用户可根据自身需求通过数据库获得所期望的解决方案,包括使用的设备、磨块、磨剂及加工参数等方面的信息。首先,通过对滚磨光整加工流程分析,构建了加工过程信息资源及集成模型;数据库系统开发的建模表示方法采用集成化计算机辅助制造定义（IDEF）和统一建模语言（UML）结合的图形化描述方法;由功能模型、组织模型、信息模型、知识模型和过程模型组成数据库建模方法体系,建立了以过程模型为核心的滚磨光整加工数据库集成关系;建立了滚磨光整加工数据库的视图层、方法层和应用层三层体系结构,能实现全产业链中企业加工环境和基础结构的集成,为数据库平台构建奠定了模型和体系基础。剖析加工实例,以加工对象和加工要求为主要特征对应加工工艺方案的思想构成案例并集合成案例库,实现了加工实例的案例化表征;提出采用减法聚类的模糊C均值聚类改进算法（S-FCM）寻找特殊案例并加以保存,以提高其聚类质量;将其余案例通过两两相似度对比,删除冗余案例,从而合理有效地优化案例库。采用自主研发的滚磨光整加工数据库平台已有的合格案例进行了大量的仿真研究,结果表明,所提出的方法能合理筛选并删除案例库中的冗余案例,除节省案例存储空间外,使案例检索效率明显提高,可以满足对生产现场的实时调控。该方法原理简单、步骤清晰,可用于智能化滚磨光整加工工艺制订和生产过程中工艺参数后续优选的数据库平台。为了智能化优选工艺方案,提出一种分级递进的融合决策理论。依据加工工艺数据库构建的工艺案例库,首先采用加权案例推理技术（WCBR）,寻找与新问题匹配的原有案例,以便快速找到问题的解;如果没有找到匹配案例,则借助模糊专家系统（FES）,充分挖掘已有案例中的知识,通过区间值模糊推理,寻找新问题的相似案例。其中,具体提出了一种变权重案例推理方法,基于层次分析法确定案例特征权重,明确了案例分级检索步骤和案例特征相似度计算办法,仿真研究了案例库中已有案例、相似案例及差异较大案例等情况,讨论了特征判断矩阵对优选结果的影响程度,仿真结果表明:采用WCBR可以快速、准确地找到案例库中与新问题匹配的案例。另外,针对不能检索到匹配案例的情况,提出了滚磨光整加工工艺优选的模糊专家推理模型,以滚抛磨块优选为例详细阐述了区间值模糊规则的构建,根据实际加工的成功案例确定各特征值等级范围及隶属区间,并与滚抛磨块参数建立联系,利用产生式规则表示法建立区间值模糊规则;通过层次分析法确定模糊规则中各特征属性的权重,并采用区间值模糊推理算法进行滚抛磨块参数优选推理机的设计;采用大量的测试案例进行了实验仿真,结果表明:模糊专家推理优选模型能够在案例推理的基础上提升新问题与旧案例之间的相似度,在满足加工要求的同时,能够快速、准确、合理地优选出待加工零件所需的滚磨光整加工工艺。构建了包括物理资源层、虚拟资源层、数据管理服务层、应用接口层和用户层核心平台的滚磨光整加工数据库开发总体框架和功能结构。基于Oracle数据库管理系统、C#和Python开发语言、Microsoft Visual Studio 2017集成开发环境和B/S网络结构模式,完成了数据库平台程序开发,多维度展示了平台的实用情况。从某大型航空发动机生产企业应用光整加工数据库的实际需求出发,实现了企业特殊的工序模板生成功能扩展,建立了与企业PDM系统的数据接口。生产应用表明,工序模板功能有助于工艺规范,整体数据库平台应用使企业专项工艺信息资源整合、积累并共享,对提质增效和信息化管理发挥了积极作用。本文研发的滚磨光整加工数据库平台及工艺方案决策方法,可以直接应用于全产业链企业的专项工艺决策及管理升级,为滚磨光整加工行业产业持续提质增效提供了理论支撑和实践探索。也为其他制造技术乃至工业领域构建数据库平台并进行智能化应用提供了有益的参考。
宫会彬,白锐,马恩杰[4]（2020）在《铝电解制造执行系统现状及发展趋势》文中指出制造执行系统在铝电解企业的综合自动化三层体系结构中扮演着不可或缺的角色,起着承上启下的作用。本文首先简单介绍了目前的铝电解企业生产流程与底层控制系统情况,然后论述了国内外铝电解制造执行系统研究和应用现状,最后结合铝电解企业现状和需求对铝电解制造执行系统的发展趋势进行展望。
徐艳坤[5]（2019）在《钢铁企业制造执行系统监控平台设计》文中指出随着我国钢铁生产企业的发展,在生产过程中已经广泛采用制造执行系统（MES）。制造执行系统在钢铁企业各个工序生产过程中发挥着越来越重要的作用,其稳定高效运行也成为影响企业生产效率和信息化建设的关键因素。通过人工点巡检的方法无法实现对制造执行系统的实时监控,导致无法对生产过程进行全程严密监控,因此研究一套自动化程度较高的监控系统对于提高制造执行系通监控效率,提升生产自动化水平,及时发现排除故障,不断提升钢铁制造企业生产自动化水平具有重要意义。本文通过对钢铁企业制造执行系统的特点和原理的分析,并对该系统监控系统要求进行总结,研究一套生产执行系统监控平台。首先依据钢铁企业制造执行系统运行维护现状,进行监控平台的总体设计;第二,以监控需求实际为出发点,对监控平台做了全面分析,确定监控平台架构及实现方式;第三,以面向对象程序设计理论为指导,实例化监控对象,确定监控点位,设计监控平台程序流程图;最后采用面向对象编程技术,设计功能模块,实现监控数据全面、报警功能多样的监控平台。以面向对象程序设计理论为指导,利用通用监控技术,实时采集系统结构中网络状态、Windows操作系统及服务器性能参数、AIX操作系统及服务器性能参数、Oracle数据库性能参数及重要业务数据,并同步展现在监控平台界面,通过对监控平台的总体设计和软硬件设计,最终实现了监控系统的功能。对监控平台画面中监控点位设置报警阀值,当实时监控数据达到或超过报警阀值,监控点位设置为红色,画面提醒;开启监控服务端及客户端主板蜂鸣器的蜂鸣,声音提醒;为每个监控点位设置语音报警内容,通过平台程序逻辑判断,利用语音播放设备,播放语音报警;短信告警,给维护人员手机发送异常监控点位告警信息。通过以上功能设计,实现了制造执行系统的监控报警功能,为企业进一步提高自动化生产提供了重要的技术参考。
韩婷[6]（2019）在《铝电解过程关键参数的软测量研究》文中研究指明确保预焙铝电解槽能量及物料的动态平衡是铝电解生产过程稳定运行的关键,也是电解铝生产企业节能减排、提质增效的基础。而铝电解生产时电解质具有高温、强腐蚀性等特点,受目前过程检测技术发展水平的限制,许多影响物料平衡和热平衡的关键参数仍无法在线或快速检测,导致先进过程控制策略的具体实施难、电能消耗量高。本文针对铝电解过程参数直接测量难度大、实时性差等特点,采用软测量技术,提出一种基于极限学习机的参数预测方法,主要工作如下:首先,采用在线贯序极限学习机算法增强对系统动态跟踪能力,并利用元启发式算法寻找极限学习机网络中最优的输入权值和隐层偏差值,以达到减少随机参数误差的目的。其次,对元启发式算法中常用的粒子群算法进行深入分析,总结了该算法容易陷入早熟收敛现象的原因,在速度更新式中加入动态的惯性权值和学习因子来平衡全局搜索和局部搜索能力。同时,利用反向学习机制对初始种群进行筛选,提升粒子群收敛速率。通过分析各参数影响因素构建辅助变量,采集某电解铝厂10台500kA电解槽数据,将优化后的算法应用在铝电解过程电解质温度、分子比及氧化铝浓度软测量建模中,实验结果表明该软测量模型具有良好的测量精度和泛化性能。提出基于极限学习机的氧化铝浓度预测控制,将粒子群优化的在线极限学习机用于建立预测模型,利用滚动式优化策略对氧化铝下料间隔进行优化,再次引入粒子群算法处理具有约束条件的预测控制问题。实验结果验证了本文方法的有效性,对确保铝电解过程物料平衡、提高铝产量具有重要意义。
刘长鑫[7]（2019）在《数据驱动的选矿生产全流程精矿品位预报方法研究》文中研究指明赤铁矿选矿生产全流程由原矿破碎筛分、强磁磨矿—强磁选、竖炉焙烧、弱磁磨矿—弱磁选—反浮选、精矿脱水和尾矿浓缩等生产过程及全流程控制系统组成。原矿经过选矿生产全流程物理化学交互作用转化为铁精矿。精矿品位是反映选矿生产全流程产品质量的生产指标。企业管理者决策精矿品位的目标值范围,生产线管理者将其分解为选矿生产全流程各过程运行指标与反映过程加工产品的质量、效率和消耗的工艺参数和各过程控制系统的设定值,过程控制系统使过程输出跟踪设定值,从而将精矿品位控制在目标值范围内。因为精矿品位无法在线检测,加上生产条件和运行工况变化使得管理者难以在动态环境下进行准确决策,往往不能保证产品质量稳定。但选矿生产全流程的各过程的输入输出变量、运行指标和精矿品位等工业数据可以持续记录和存储。采用上述工业大数据研究精矿品位的预报方法对于实现选矿生产智能优化决策有着重要实际意义,而且对于机理分析与机器学习相结合的学习方法的研究也具有重要学术意义。本文在国家973计划项目“复杂生产制造全流程一体化控制系统整体控制策略与运行控制方法（2009CB320601）”、国家科技支撑计划“选矿全流程先进控制技术（2012BAF19G01）”和国家自然科学基金“数据驱动复杂工业系统运行优化控制及应用（61525302）”的支持下,开展了选矿生产全流程精矿品位的预报方法研究。主要成果如下:1)通过选矿生产全流程的机理分析和全流程控制系统动态性能分析,提出了选矿生产全流程在稳态运行和动态运行工况下精矿品位预报问题的描述,并分析了对建立选矿生产全流程精矿品位预报方法的挑战性难题。2)通过全流程控制系统作用下选矿生产全流程稳态运行的特性分析,建立了稳态工况环境下选矿生产全流程精矿品位预报模型,提出了基于改进ε支持向量回归的精矿品位预报方法。其中,改进的ε支持向量回归方法针对经典ε支持向量回归采用统一惩罚因子,无法有效反映不同大小的预报误差对模型性能影响的问题,引入新的惩罚因子系数,提出了根据训练样本预报误差的大小,结合训练样本集方差、标准差和样本间距离分布选择惩罚因子系数的方法,并采用公开数据集进行仿真实验,验证了所提改进方法及其在线算法比经典￡支持向量回归算法的精度与收敛速度明显提高。采用上述改进方法,结合精矿品位预报模型,提出了选矿生产全流程精矿品位预报方法。使用某赤铁矿选矿全流程生产数据仿真实验,结果表明所提方法与现有文献方法相比预报精度更高。3)通过选矿生产线在全流程控制系统作用下动态运行的特性分析,建立了在生产条件和运行工况变化时精矿品位的预报模型。针对精矿品位与以前时刻的精矿品位、各过程的运行指标和输入与输出变量相关,并且上述三类信息具有不同时间尺度的特点,提出了机理分析与多尺度信息深度学习相结合的动态工况下精矿品位预报方法。该方法由反映过程变量对精矿品位影响的多尺度深度拼接卷积网络预报子模型、反映过程运行指标对精矿品位影响的全连接神经网络预报子模型、反映过去时刻精矿品位对精矿品位影响的全连接神经网络预报子模型和多尺度信息神经网络集成模型组成。其中,多尺度深度拼接卷积网络预报子模型每个特征提取层采用不同尺寸卷积核,并将各层输出的最优尺度特征信息跨层拼接在一起,作为网络最后的全连接层进行输出变换,提高了过程变量对精矿品位影响的预报精度;多尺度信息神经网络集成模型根据预报误差损失函数的梯度信息同时训练上述三个预报子模型网络参数,实现了不同时间尺度信息对精矿品位影响作用权重的协同优化。采用某赤铁矿选矿生产全流程的实际数据,对所提出的精矿品位预报方法进行仿真实验,结果表明当生产条件和工况变化时,所提方法比现有文献方法的预报精度明显提高。4)设计并开发了选矿生产全流程精矿品位预报仿真实验系统。该系统由硬件平台和软件系统组成。硬件平台由云端的预报模型训练服务器、就地的数据采集处理计算机和精矿品位预报计算机组成;软件系统由预报模型训练软件、多尺度数据采集与处理软件和精矿品位预报软件组成。其中,预报模型训练软件包括模型训练方案管理、训练参数可视化配置、训练过程监控、预报模型评价、模型与校正参数下载、生产工况可视化分析、数据管理和用户管理等模块;多尺度数据采集处理软件包括过程变量采集、运行指标与精矿品位化验数据采集、数据预处理、批量上传等模块;精矿品位预报软件包括本文所提预报算法、工况分析、参数远程校正、输入预处理、精矿品位实时预报、结果显示与上传等模块。预报模型训练软件运行在云端的服务器上,通过生产工况可视化分析决策采用稳态工况或动态工况的精矿品位预报算法,同时校正预报算法中的权重参数并进行仿真实验决策是否下传校正的权重参数;多尺度数据采集与处理软件运行在数据采集处理计算机上,采集与处理各过程输入与输出和运行指标与精矿品位;精矿品位预报软件实现本文提出的预报算法。采用某选矿企业的生产全流程实际数据,使用该仿真实验系统对所提出的预报方法进行仿真实验。在选矿生产全流程稳态运行工况下,精矿品位预报均方误差为0.01,最大相对误差0.56%,预报误差全部位于允许的误差范围内;在动态运行工况下,精矿品位预报均方误差为0.11,最大相对误差1.7%,预报误差在允许的误差范围内的比例达90%。实验结果验证了所提方法和所研制的仿真实验系统的有效性。
桂卫华,岳伟超,谢永芳,张红亮,阳春华[8]（2018）在《铝电解生产智能优化制造研究综述》文中进行了进一步梳理铝电解行业具有战略基础地位,面临着诸多挑战性难题,包括原料来源复杂使得工况难以稳定优化运行、多目标协同优化难度大、控制决策智能化水平和数据利用率低以及铝电解企业在内外环境的不确定性影响下难以实时做出正确决策等.为了解决上述问题,本文提出构建一种集铝电解智能分布式感知系统、系列槽智能协同优化控制系统、大型槽智能优化控制系统、智能安全运行监控系统和虚拟制造系统于一体的铝电解智能优化制造系统的方法.同时提出了铝电解制造系统的未来发展目标和愿景功能,并给出了相关研究方向.最后给出了技术发展规划,提出中短期规划和中长期规划"两步走"战略,并对铝电解生产智能优化制造系统发展前景作出展望.
袁喜斌[9]（2017）在《在氧化铝生产过程中应用制造执行系统的分析》文中进行了进一步梳理随着时代的发展,科技的创新,特别是对工业生产制造而言,生产制造的流程会直接关系到制造的质量,同时对工业的发展与进步也将带来不可忽视的影响。特别是对一些特殊产品的生产而言,落实有效的制造执行体系,往往能够避免工业生产过程中出现的严重问题,最大程度地保证工业生产的效率,也为工业生产高效化奠定了关键性的基础。
马恩杰[10]（2016）在《电解铝厂制造执行系统的开发与应用》文中研究指明结合电解铝厂生产特点,沈阳铝镁设计研究院在流程工业综合自动化体系结构的基础上,采用前馈与反馈相结合的控制理念,研发了电解铝厂制造执行系统Smelter Star。该系统通过计划管理、调度管理、操作管理、质量管理、物流管理、设备管理、能源管理、工艺分析等模块,可以实现电解铝厂能源、设备、质量、物流等生产管理流程的全覆盖。
二、氧化铝生产过程制造执行系统的研究（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、氧化铝生产过程制造执行系统的研究（论文提纲范文）
（1）知识驱动的流程工业智能制造（论文提纲范文）
| 1 引言 |
| 2 知识是流程工业智能制造的核心要素 |
| 2.1 流程制造业中知识的重要性 |
| 2.2 流程制造业中知识的特点 |
| 2.3 流程制造业中知识研究及应用现状 |
| 2.3.1 知识获取 |
| 2.3.2 知识处理 |
| 2.3.3 知识应用 |
| 3 知识驱动的流程工业智能制造系统框架 |
| 3.1 深度知识获取 |
| 3.2 知识驱动的流程工业智能感知系统 |
| 3.3 知识驱动的运行优化–状态监控–虚拟制造系统 |
| 3.4 流程工业智能制造核心软件系统 |
| 3.4.1 流程工业智能决策系统 |
| 3.4.2 基于工业知识图谱的知识库 |
| 3.4.3 面向知识更新的流程工业认知学习子系统 |
| 4 知识驱动的铝电解智能制造案例 |
| 4.1 知识驱动的铝电解智能制造系统框架 |
| 4.2 深度知识获取和知识注入关键技术应用案例 |
| 5 结论 |
| 5.1 面临的问题 |
| 5.2 未来展望 |
（2）铝电解制造执行系统优化决策模块的设计和开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 铝电解制造执行系统现状 |
| 1.2.1 国内铝电解制造执行系统现状 |
| 1.2.2 国外铝电解制造执行系统现状 |
| 1.3 本文研究内容与组织结构 |
| 2 铝电解工艺介绍及需求分析 |
| 2.1 铝电解生产及控制简介 |
| 2.1.1 铝电解厂生产流程 |
| 2.1.2 铝电解设备及工艺原理 |
| 2.1.3 铝电解控制系统 |
| 2.2 电解槽运行状况影响因素 |
| 2.2.1 影响因素分析 |
| 2.2.2 主要工艺数据 |
| 2.2.3 电解槽综合生产指标 |
| 2.3 需求分析 |
| 2.3.1 电解槽控制参数调整的需求分析 |
| 2.3.2 铝电解制造执行系统的功能结构 |
| 2.4 本章小结 |
| 3 电解槽控制参数优化决策模块的算法设计 |
| 3.1 基于案例推理的电解槽控制参数优化方法 |
| 3.1.1 案例推理的基本原理 |
| 3.1.2 电解槽控制参数优化方法的结构 |
| 3.1.3 案例表示 |
| 3.1.4 案例检索 |
| 3.1.5 案例重用 |
| 3.1.6 案例修正 |
| 3.1.7 案例存储 |
| 3.2 基于聚类分析的初始案例获取方法 |
| 3.2.1 遗传算法和模拟退火算法 |
| 3.2.2 模糊C-均值聚类算法 |
| 3.2.3 基于遗传模拟退火算法的模糊C-均值聚类算法 |
| 3.2.4 获取初始案例的过程 |
| 3.3 基于主成分分析法的特征权值确定方法 |
| 3.3.1 主成分分析法基本原理 |
| 3.3.2 确定权值的过程 |
| 3.4 本章小结 |
| 4 电解槽控制参数优化决策模块的软件设计和开发 |
| 4.1 铝电解制造执行系统开发环境介绍 |
| 4.2 功能模块的软件设计 |
| 4.2.1 前端界面设计 |
| 4.2.2 数据库内容设计 |
| 4.2.3 算法程序设计 |
| 4.3 本章小结 |
| 5 电解槽控制参数优化决策模块的实验 |
| 5.1 实验背景 |
| 5.2 获取初始案例 |
| 5.2.1 数据选取与预处理 |
| 5.2.2 聚类算法参数的设置 |
| 5.2.3 结果分析与初始案例获取 |
| 5.3 确定特征权值 |
| 5.3.1 数据选取与修正 |
| 5.3.2 计算特征权值 |
| 5.4 实验内容 |
| 5.5 实验效果 |
| 5.6 本章小结 |
| 6 结论 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（3）滚磨光整加工数据库平台研发及工艺方案决策方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文研究的意义和目的 |
| 1.2 课题背景及国内外现状 |
| 1.2.1 滚磨光整加工技术现状 |
| 1.2.2 工业数据库技术概要 |
| 1.2.3 数据库智能化应用原理与方法 |
| 1.3 课题来源及主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 论文研究的主要内容 |
| 第2章 滚磨光整加工数据库的建模方法和体系结构 |
| 2.1 滚磨光整加工工艺流程分析 |
| 2.1.1 滚磨光整加工工艺过程信息资源 |
| 2.1.2 滚磨光整加工工艺过程信息集成 |
| 2.2 面向数据库系统开发的建模表示方法 |
| 2.2.1 集成化计算机辅助制造的定义方法IDEF |
| 2.2.2 统一建模语言UML |
| 2.2.3 滚磨光整加工数据库建模方法需求 |
| 2.3 滚磨光整加工数据库的建模方法 |
| 2.3.1 滚磨光整加工数据库的功能模型 |
| 2.3.2 滚磨光整加工数据库的组织模型 |
| 2.3.3 滚磨光整加工数据库的信息模型 |
| 2.3.4 滚磨光整加工数据库的知识模型 |
| 2.3.5 滚磨光整加工数据库的过程模型 |
| 2.4 滚磨光整加工数据库的体系结构 |
| 2.4.1 滚磨光整加工数据库的视图层 |
| 2.4.2 滚磨光整加工数据库的方法层 |
| 2.4.3 滚磨光整加工数据库的应用层 |
| 2.5 本章小结 |
| 第3章 基于滚磨光整加工数据库的工艺参数优选案例库构建 |
| 3.1 滚磨光整加工工艺实例的数据分析 |
| 3.2 基于滚磨光整加工数据库的工艺案例表征 |
| 3.3 基于模糊C均值聚类算法的工艺案例库优化 |
| 3.3.1 基于减法聚类的模糊C-均值聚类算法改进 |
| 3.3.2 基于减法聚类的FCM的工艺案例库优化 |
| 3.3.3 仿真研究 |
| 3.4 本章小结 |
| 第4章 滚磨光整加工工艺参数优选融合推理模型研究 |
| 4.1 工艺优选的融合推理模型总体设计 |
| 4.2 加工工艺优选的加权案例推理模型研究 |
| 4.2.1 基于层次分析法的案例特征权重确定 |
| 4.2.2 案例的匹配 |
| 4.2.3 案例处理 |
| 4.2.4 加权案例推理的仿真研究 |
| 4.3 滚磨光整加工工艺优选的模糊专家推理模型研究 |
| 4.3.1 专家系统的基本组成 |
| 4.3.2 滚磨光整加工工艺优选的专家推理模型研究 |
| 4.3.3 仿真研究 |
| 4.4 本章小结 |
| 第5章 滚磨光整加工数据库的开发与应用 |
| 5.1 滚磨光整加工数据库的开发 |
| 5.1.1 数据库的总体框架 |
| 5.1.2 数据库的系统功能结构 |
| 5.1.3 数据库的开发环境 |
| 5.1.4 面向全产业链应用的用户权限模型设计 |
| 5.1.5 工艺优选融合推理模型的程序实现 |
| 5.2 面向全产业链应用的数据库平台界面 |
| 5.2.1 物料信息维护界面示例 |
| 5.2.2 工艺实例维护界面示例 |
| 5.2.3 案例智能优选界面示例 |
| 5.3 滚磨光整加工数据库在典型企业的定制化应用 |
| 5.3.1 企业定制化服务需求分析 |
| 5.3.2 基于定制化服务的数据库功能设计 |
| 5.3.3 实际生产应用 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（5）钢铁企业制造执行系统监控平台设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究进展及发展趋势 |
| 1.2.1 国外研究进展及发展趋势 |
| 1.2.2 国内研究进展及发展趋势 |
| 1.3 钢铁企业MES |
| 1.3.1 MES概述 |
| 1.3.2 构建MES监控平台的必要性 |
| 1.3.3 MES的应用 |
| 1.4 制造执行系统运行维护现状 |
| 1.4.1 制造执行系统运行现状 |
| 1.4.2 制造执行系统维护监控现状 |
| 1.5 本文主要内容 |
| 2 监控平台需求分析 |
| 2.1 监控平台功能要求 |
| 2.2 监控平台需求设计 |
| 2.2.1 总体目标与设计原则 |
| 2.2.2 系统基本功能与结构设计 |
| 2.2.3 监控平台需求设计 |
| 2.3 监控平台环境搭建 |
| 2.3.1 网络结构 |
| 2.3.2 网络设备 |
| 2.3.3 硬件平台 |
| 2.3.4 数据库 |
| 2.3.5 软件平台 |
| 2.4 监控平台业务流程设计 |
| 2.4.1 监控平台业务逻辑 |
| 2.4.2 监控平台程序流程图 |
| 2.5 系统各部分功能分析 |
| 2.5.1 客户端功能分析 |
| 2.5.2 服务端功能分析 |
| 2.5.3 通信中间平台 |
| 2.6 本章小结 |
| 3 监控平台功能实现 |
| 3.1 监控平台实现要求 |
| 3.1.1 MES(3)监控功能要求 |
| 3.1.2 冷轧MES系统监控功能要求 |
| 3.2 监控平台技术路线及功能结构 |
| 3.3 监控平台的网络支撑环境及物理架构 |
| 3.3.1 监控平台网络支撑环境 |
| 3.3.2 监控平台物理架构 |
| 3.4 监控平台数据库系统 |
| 3.4.1 数据采集层 |
| 3.4.2 数据库系统定义 |
| 3.4.3 数据库表定义 |
| 3.5 监控平台程序设计 |
| 3.5.1 监控平台服务端程序设计 |
| 3.5.2 监控平台客户端程序设计 |
| 3.5.3 服务器通信程序设计 |
| 3.5.4 外部短信平台接口程序设计 |
| 3.6 监控数据采集程序设计 |
| 3.6.1 Windows操作系统服务器性能数据采集 |
| 3.6.2 Aix操作系统服务器性能数据采集 |
| 3.6.3 数据库性能数据采集方式 |
| 3.7 报警方式程序设计 |
| 3.7.1 蜂鸣 |
| 3.7.2 语音 |
| 3.7.3 短信 |
| 3.8 本章小结 |
| 4 监控平台实现效果 |
| 4.1 钢铁企业制造执行系统运行效率 |
| 4.2 监控平台功能实现情况 |
| 4.2.1 监控平台功能 |
| 4.2.2 制造执行系统数据采集 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（6）铝电解过程关键参数的软测量研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 论文研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 铝电解过程参数软测量研究现状 |
| 1.2.2 基于极限学习机的软测量研究现状 |
| 1.3 本文研究内容 |
| 2 铝电解工艺机理及控制技术 |
| 2.1 铝电解基本原理 |
| 2.2 主要技术指标及工艺参数 |
| 2.2.1 主要技术指标 |
| 2.2.2 工艺参数 |
| 2.3 铝电解控制系统 |
| 2.3.1 铝电解控制研究现状 |
| 2.3.2 铝电解控制系统设计 |
| 2.4 本章小结 |
| 3 软测量概述及极限学习机理论 |
| 3.1 软测量理论概述 |
| 3.1.1 软测量基本原理 |
| 3.1.2 软测量步骤 |
| 3.1.3 数据预处理及评价指标 |
| 3.1.4 软测量建模方法分类 |
| 3.2 极限学习机 |
| 3.2.1 极限学习机基本概念 |
| 3.2.2 极限学习机优化和改进 |
| 3.3 本章小结 |
| 4 元启发式算法优化在线极限学习机模型研究 |
| 4.1 在线极限学习机 |
| 4.2 元启发式优化算法 |
| 4.2.1 遗传算法 |
| 4.2.2 粒子群优化算法 |
| 4.2.3 粒子群算法与遗传算法比较 |
| 4.3 粒子群算法改进 |
| 4.3.1 基于反向学习的种群初始化 |
| 4.3.2 递减惯性权值 |
| 4.3.3 时变学习因子 |
| 4.4 元启发式算法优化在线极限学习机模型 |
| 4.4.1 GA-OSELM算法 |
| 4.4.2 PSO-OSELM算法 |
| 4.4.3 UCI数据集仿真 |
| 4.5 本章小结 |
| 5 铝电解过程参数软测量及控制 |
| 5.1 基于PSO-OSELM的铝电解过程参数软测量 |
| 5.1.1 分子比软测量模型 |
| 5.1.2 电解质温度软测量模型 |
| 5.1.3 氧化铝浓度软测量模型 |
| 5.2 氧化铝浓度预测控制 |
| 5.2.1 预测控制基本原理 |
| 5.2.2 氧化铝浓度预测控制 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 硕士研究生学习阶段发表论文 |
（7）数据驱动的选矿生产全流程精矿品位预报方法研究（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 工业过程生产指标预报研究现状 |
| 1.2.1 工业过程生产指标预报问题含义 |
| 1.2.2 过程工序生产指标预报研究现状 |
| 1.2.3 全流程生产指标预报研究现状 |
| 1.3 选矿过程生产指标预报方法研究现状 |
| 1.3.1 选矿过程工序级生产指标预报方法研究现状 |
| 1.3.2 选矿全流程生产指标预报方法研究现状 |
| 1.3.3 选矿生产指标预报方法应用与验证研究现状 |
| 1.4 数据驱动的生产指标预报方法研究现状 |
| 1.4.1 基于支持向量回归的预报方法研究现状 |
| 1.4.2 基于神经网络的预报方法研究现状 |
| 1.5 存在的问题及本文工作 |
| 第2章 选矿生产全流程精矿品位预报问题描述 |
| 2.1 赤铁矿选矿生产全流程工艺描述 |
| 2.1.1 强磁选别过程工艺流程 |
| 2.1.2 弱磁选别过程工艺流程 |
| 2.1.3 主要术语与指标 |
| 2.2 赤铁矿选矿生产全流程控制系统简介 |
| 2.2.1 选矿生产全流程控制系统组成及功能 |
| 2.2.2 赤铁矿在全流程控制系统作用下转化为精矿的过程分析 |
| 2.3 选矿生产全流程精矿品位预报问题描述及难点分析 |
| 2.3.1 选矿生产全流程精矿品位预报问题描述 |
| 2.3.2 选矿生产全流程精矿品位预报难点 |
| 2.4 本章小结 |
| 第3章 稳态运行工况下选矿精矿品位预报方法 |
| 3.1 引言 |
| 3.2 稳态运行工况下选矿精矿品位影响机理分析 |
| 3.3 改进ε支持向量回归预报方法 |
| 3.3.1 ε支持向量回归方法原理与改进动机 |
| 3.3.2 改进ε支持向量回归方法 |
| 3.3.3 改进ε支持向量回归的在线学习算法 |
| 3.3.4 仿真实验 |
| 3.4 基于改进ε支持向量回归的选矿精矿品位预报方法 |
| 3.4.1 模型结构 |
| 3.4.2 模型性能指标 |
| 3.4.3 模型参数设置 |
| 3.4.4 预报模型建立 |
| 3.4.5 仿真实验 |
| 3.5 本章小结 |
| 第4章 动态运行工况下选矿精矿品位预报方法 |
| 4.1 引言 |
| 4.2 动态运行工况下选矿精矿品位影响机理分析 |
| 4.3 基于改进ε支持向量回归机的精矿品位预报方法 |
| 4.3.1 模型结构与输入输出 |
| 4.3.2 预报模型建立 |
| 4.3.3 仿真实验 |
| 4.4 基于多尺度深度拼接卷积网络的精矿品位集成预报方法 |
| 4.4.1 深度学习与卷积神经网络 |
| 4.4.2 精矿品位集成预报模型结构 |
| 4.4.3 反映过程变量影响的多尺度深度拼接网络预报子模型设计 |
| 4.4.4 反映过程运行指标影响的全连接神经网络预报子模型设计 |
| 4.4.5 反映过去精矿品位影响的全连接神经网络预报子模型设计 |
| 4.4.6 协同优化子模型参数的多尺度信息神经网络集成模型设计 |
| 4.4.7 预报模型训练与使用流程伪代码 |
| 4.4.8 仿真实验 |
| 4.5 本章小结 |
| 第5章 选矿精矿品位预报仿真实验系统研发与应用验证 |
| 5.1 引言 |
| 5.2 需求分析 |
| 5.3 选矿精矿品位预报仿真实验系统硬件平台设计 |
| 5.4 选矿精矿品位预报仿真实验系统软件设计与开发 |
| 5.4.1 精矿品位预报模型训练软件设计与开发 |
| 5.4.2 精矿品位预报软件设计与开发 |
| 5.4.3 多尺度数据采集与处理软件设计与开发 |
| 5.5 实验验证 |
| 5.5.1 实验背景 |
| 5.5.2 稳态运行工况下选矿生产全流程精矿品位预报验证 |
| 5.5.3 动态运行环境下选矿生产全流程精矿品位预报验证 |
| 5.5.4 选矿精矿品位与生产运行工况多维可视化交互分析验证 |
| 5.6 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的学术成果 |
| 作者简介 |
（8）铝电解生产智能优化制造研究综述（论文提纲范文）
| 1 铝电解生产运行控制系统发展现状 |
| 1) 氧化铝浓度预测与控制 |
| 2) 铝电解生产过程操作决策优化 |
| 3) 阳极电流采集与应用 |
| 4) 阳极效应预报与控制 |
| 5) 铝电解槽故障识别与诊断 |
| 6) 氟盐添加量决策与分子比控制 |
| 7) 铝电解槽过热度估计与状态识别 |
| 2 铝电解生产运行控制系统存在的问题 |
| 2.1 原料、能源供应波动给控制技术带来巨大挑战 |
| 1) 原料来源复杂给控制技术带来巨大挑战 |
| 2) 外部不确定性增加控制决策难度 |
| 2.2 智能化水平不高和数据利用率低给控制技术带来的挑战 |
| 3 构建铝电解智能优化制造系统的必要性与可能性分析 |
| 4 铝电解智能优化制造系统的构成和愿景目标 |
| 4.1 铝电解智能优化制造系统的构成 |
| 4.1.1 铝电解槽分布式智能感知系统 |
| 4.1.2 大型铝电解槽智能优化控制系统 |
| 4.1.3 大型铝电解槽系列智能协同优化控制系统 |
| 4.1.4 铝电解生产智能优化决策系统 |
| 4.1.5 铝电解运行安全监控与自优化系统 |
| 4.1.6 铝电解生产虚拟制造系统 |
| 4.2 铝电解智能优化制造系统的目标与愿景 |
| 5 技术发展规划与展望 |
| 5.1 技术发展规划 |
| 1) 中短期规划 (2017年～2025年) |
| 2) 中长期规划 (2025年～2050年) |
| 5.2 发展展望 |
（9）在氧化铝生产过程中应用制造执行系统的分析（论文提纲范文）
| 1 氧化铝制造流程中MES体系的作用 |
| 2 氧化铝生产过程制造执行体系的构成 |
| 2.1 动态成本管控体系 |
| 2.2 调度体系 |
| 2.3 规划统筹管控体系 |
| 2.4 设施管控体系 |
| 2.5 质管体系 |
| 2.6 能源管控体系 |
| 3 制造执行系统在氧化铝生产过程中的应用分析 |
| 4 结语 |
（10）电解铝厂制造执行系统的开发与应用（论文提纲范文）
| 1 电解铝厂的现状及存在问题 |
| 2 电解铝厂制造执行系统 |
| 2.1 SmelterStar功能介绍 |
| 2.2 SmelterStar系统的开发 |
四、氧化铝生产过程制造执行系统的研究（论文参考文献）
- [1]知识驱动的流程工业智能制造[J]. 桂卫华,曾朝晖,陈晓方,谢永芳,孙玉波. 中国科学:信息科学, 2020(09)
- [2]铝电解制造执行系统优化决策模块的设计和开发[D]. 宫会彬. 辽宁工业大学, 2020(03)
- [3]滚磨光整加工数据库平台研发及工艺方案决策方法研究[D]. 高炜. 太原理工大学, 2020
- [4]铝电解制造执行系统现状及发展趋势[J]. 宫会彬,白锐,马恩杰. 辽宁工业大学学报(自然科学版), 2020(02)
- [5]钢铁企业制造执行系统监控平台设计[D]. 徐艳坤. 大连理工大学, 2019(03)
- [6]铝电解过程关键参数的软测量研究[D]. 韩婷. 西安建筑科技大学, 2019(06)
- [7]数据驱动的选矿生产全流程精矿品位预报方法研究[D]. 刘长鑫. 东北大学, 2019
- [8]铝电解生产智能优化制造研究综述[J]. 桂卫华,岳伟超,谢永芳,张红亮,阳春华. 自动化学报, 2018(11)
- [9]在氧化铝生产过程中应用制造执行系统的分析[J]. 袁喜斌. 科技资讯, 2017(13)
- [10]电解铝厂制造执行系统的开发与应用[J]. 马恩杰. 有色冶金设计与研究, 2016(03)