（投资立项）高海拔地区设施葡萄项目可行性投资建议书（OK稿）㊣精品文档值得下载

部分。

每个部分有它热转换常数值，它可以自适应来自高温计实际值，个常量对应每个风扇控制台，它可以通过以下方程自适应系统这里是原始热转换常数，是系统预测温度，是高温计测量温度，是空气温度。

这个计算系统通过系统和系统在同样条件下比较，并得到相同结果。

作为个实时在线系统，它需要通过本地网络将材料流和自动控制系统联系起来。

这个系统需要输入两组数据，组是来自高温计实际温度，另外组是线材基本信息。

八个高温计已经安装在生产线去提供实际温度数据便于系统去计算比较。

这些温度首先被生产线高温计测量，直接传送给特定，然后保存在数据库，最后系统可以以没每毫秒速度从数据库中读出数据，另外组数据例如线材组成成分等也是系统所需要，当钢板旦从火炉中出来时，这些数据被传送给特定数据库。

相转换系统如何为相转换过程建模是至关重要，因为在相转换时不同冷却速度决定了钢材最终微观结构。

这个系统通过联系热传导分析和相转换以及微观结构变化解决了这个问题。

并且都符合现在微观工程学。

相转换过程可以通过下面阿夫拉米方程描述这里是分式变换式是随着温度，成分而变化参数。

用户可以依据他们实验数据直接在系统中输入这些参数。

个需要决定重要参数是奥氏体但到珠光体转换时起始温度。

这个系统可以提供用户接口去输入特定钢材实验数据，然后系统可以通过下面方程计算温度这里和可以通过回归得到，是实验保持温度，可以直接在系统中输入。

在连续冷却台上，之前相转换次数可以被转换与虚拟时间保持致在第步，转换次数可以用以下方程描述在这段时间，转换次数可以描述为相变热可以按照下面方程计算这里体积变化率，对于高碳刚，它可以按照如下公式计算属性预测系统随着极限抗拉强度系统发展，使预测线材微观结构成为可能。

这种预测微观结构可以和机构属性关系系统结合去计算机械属性，有很多因素决定钢材强度。

例如钢材含碳量。

按照和他同事研究，有两个最主要因素影响了钢材极限抗拉强度，个是相变前冷却速度，另个是钢材化学组成。

这些可以通过下面方程描述这涉及到和他同事研究成果，在度时冷却速度，这简单代表了相变前冷去速度，因为对于高含量碳钢材，相变总发生在刚好度以后。

在系统中，按照钢材从奥氏体到珠光体转换起始温度到度范围修改，这是由上述方程决定。

通过以上。

我们可以看到，在相变前，加快冷却速度可以提高钢材极限抗拉强度。

尽管其它些元素也能提高极限抗拉强度，但是会降低钢材延展性。

由于可以通过热力学模型直接计算获得，化学成分也可以很容易获得，因此我们在生产过程可以预测钢材机械性能。

抗拉屈服强度可以根据以下关系计算这儿是常量。

结果讨论系统稳定性准确性和稳定性系统两个基本要求。

我们期望系统能够连续不断运行，同时，输出结果应当正确便于指导生产。

第个问题是如何通过其它条件如高温计来直接获得所需参数。

经过反复实验，我们找到了合适解决方法正如图所描述。

目前，三条生产线已经采用了这种系统去传送数据给，并且没有出现任何问题，可以以毫秒为周期正常运行。

在每个周期中，系统为预测了钢材各处温度，因此任何时间点温度是知道并且可以被控制。

所有数据保存在数据库便于以后核查。

热力学模型准确性经过三年努力工作和反复实验，这种在线系统已经安装在江苏省宝钢斯太尔摩生产线上，经过几次版本修改，这种系统可以正常运行了，八个线上高温计也已经安装了去监测实际温度，个高温计被用来测量起始温度，另个安装与吐丝机，用来测量水箱对温度影响。

其它六个被安装在风扇冷却台，用来检测温度变化并和系统预测值进行比较。

在线系统会计算每点处温度值，然后自动按照真实值和系统预测值比较进行改变热传导常数。

所有这些都是在毫秒周期中完成。

这可以满足在线实时系统处理能力要求。

此系统能很好学习热传导常数变化规律。

这就可以正确预测相变和机械属性了。

图比较了实际测量值和系统预测值比较。

图表明，实际值和预测值偏差不超过度。

相转换效果在温度变化曲线上看很清楚，它在相变时引起了略微上升，然后就是逐渐下降。

这个系统能够预测相转变时机，这可以给技术人员提供指导去控制风扇开度。

通常，我们期望相变在短时间里以同样温度进行。

这保证了钢材微观结构致性。

就像索氏体化钢丝。

机械属性机械属性预测是钢铁公司重要问题。

如果系统足够准确，公司会减少样本核查数量，这样可以节约大量时间和金钱。

在宝钢，被选择去验证系统准确性。

首先，例子被选择在系统中去预测最终抗拉强度，在检查个样本后，我们发现系统预测值是比实际值略高，如图。

数据分析表明，强度平均值在，与标准值相差。

所有样本显示出类似趋势，这表明系统准确性还可以进步提高。

为了进步提高系统准确性，我们采用多元回归方法去修改化学成分冷却速度等方面些系数。

新方程如下通过比较例子和下面，我们可以发现，二者几乎相同。

唯不同是各种参数系数，这些数据我们可以从实际生产获得，根据，系统稳定性已经提高，统计分析表明，平均值差都是，标准差。

我们可以从图发现基本致，这提供了系统可靠性保障。

至于其它组成不同高碳钢，实验与类似。

首先，例子被用来预测，并与真实值比较，然后按照多元回归结果修改它相对系数。

生产中在线系统应用需要指出是，由于各种因素影响，在大量生产中可能导致差异。

合理在线预测能够提醒工人把注意力集中在些关键因素上，例如每个点温度和冷却速度。

目前，在线系统已经安装在斯太尔摩生产线超过年。

并显示出它强大优势。

在安装之前，工人不能实现。

下面总结包含了基本工作经验，系统模型分三个部分通过实现热力学模型，通过根据实验数据解方程实现相变模型，通过生产数据回归计算实现物理机械属性模型。

三个模型有着深刻内在关系。

，这个在线系统是开放。

以便得到生产过程生产信息。

这样就可以将材料流体和自动控制通过本地网络相结合。

，没有任何系统是完美无缺和绝对准确，因此，我们设计了自适应功能去根据系统运行时参数自动调整各种系数，目前结果显示，系统是能够在误差允许范围正确预测最终钢材机械性能。

，ﬂﬁﬁﬁ，ﬁ，ﬂ度到度范围修改，这是由上述方程决定。

通过以上。

我们可以看到，在相变前，加快冷却速度可以提高钢材极限抗拉强度。

尽管其它些元素也能提高极限抗拉强度，但是会降低钢材延展性。

由于可以通过热力学模型直接计算获得，化学成分也可以很容易获得，因此我们在生产过程可以预测钢材机械性能。

抗拉屈服强度可以根据以下关系计算这儿是常量。

结果讨论系统稳定性准确性和稳定性系统两个基本要求。

我们期望系统能够连续不断运行，同时，输出结果应当正确便于指导生产。

第个问题是如何通过其它条件如高温计来直接获得所需参数。

经过反复实验，我们找到了合适解决方法正如图所描述。

目前，三条生产线已经采用了这种系统去传送数据给，并且没有出现任何问题，可以以毫秒为周期正常运行。

在每个周期中，系统为预测了钢材各处温度，因此任何时间点温度是知道并且可以被控制。

所有数据保存在数据库便于以后核查本科毕业设计外文翻译外文译文题目斯太尔摩线冷却监控系统开发与应用学院信息科学与工程学院专业自动化学号学生姓名指导教师日期二二年六月斯太尔摩线冷却监控系统开发与应用摘要斯太尔摩控制冷却系统已经成功应用在斯太尔摩生产线，它通过本地网络将材料流体管理系统与自动控制系统联系起来。

在生产过程中以及预测最终属性，这种在线模型采用有限元时域微分法去计算温度变化和相转变。

因为不同钢材连续冷却温度线在这个模型中是耦合，所以它可以预测不同钢材热变化和相转变。

也可以为新钢材生产和优化提供直接指导。

这种在线冷却系统已经被安装在三个斯太尔摩生产线，并取得好效果。

关键词冷却控制模型斯太尔摩线材生产线质量预估介绍随着钢铁行业竞争加剧，如何生产稳定质量新形钢材成为钢铁产业重点，在冷却过程中，斯太尔摩生产线中也需要更可靠预测控制技术。

由于斯太尔摩生产线高效生产率以及以及产品良好机械性能，斯太尔摩成为最流行控制冷却系统。

如图，斯太尔摩冷却控制系统，度线材快速通过几个冷水槽，到达吐丝机，以重叠方式存储在存放容器中。

它冷却速率靠打开下系列风扇来控制。

钢材最终机械属性主要取决于在相转换前钢材化学组成和冷却速度。

由于在生产过程中无法直接观察冷却速率和相转变，那就非常需要去发展个在线模型去预测最终机械属性和相转变。

尽管有过类似研究报告，但是为斯太尔摩生产在线预测模型尚没有人研究。

采用有限元时域分析方法，这种在线控制冷却模型已经安装在实际生产过程中了。