| 【中文题名】 | 基于神经网络的工序能耗模型的研究 |
| 【英文题名】 | Research of the Unit Process Energy Consumption Model Based on Neural Network |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-29 |
| 【中关键词】 | 能源监测,工序能耗,RBF,主成分分析法,, |
| 【英关键词】 | energy monitor,unit process energy consumption,RBF,principal component analysis, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
随着科技发展和社会进步，节能和环保成为当今世界的重要课题。能源问题是企业生产经营的重要保障，能源的有效利用和合理供给(调度)已经成为实现节能的重要途径之一。
本文分两个部分加以阐述，第一部分建立一套现代化动力能源监测系统。第二部分在能源监测系统的基础上，建立工序能耗模型。
第一部分介绍了基于RS-485总线动能微机监测系统的建立。采用多协议仪表通讯，智能仪表和上位机之间通过总线方式进行数据通信，上位机采用KINGVIEW工控组态软件，建立了一个基于工业现场总线结合工业以太网的能源计量监测系统。本系统实现了能源计量的集中化管理、实时能源检测、累积查询、历史查询、能源统计、定时关断等功能。提高了计量管理工作的层次和力度，给生产调度、计量管理等带来了极大的方便；有效地提高了劳动生产率，使该企业的能源计量水平上了一个档次，为企业节能做出了贡献。
第二部分介绍了工序能耗模型的建立。一方面生产工序过程复杂，影响因素众多，因此关键是选取哪些主要因素来建立工序能耗模型；由于主成分分析法具有从大量影响因素中挑选相对主要因素的特点，所以本文采用主成分分析法提取主要影响因素。另一方面由于生产工序具... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-8 |
|
第1章 引言 |
8-19 |
|
1.1 课题研究的背景及意义 |
8-11 |
|
1.2 企业能源监测系统的发展现状 |
11-14 |
|
1.3 企业系统节能研究的方法 |
14-17 |
|
1.4 课题的主要研究内容与方法 |
17-19 |
|
第2章 能源管理监测系统方案设计 |
19-25 |
|
2.1 能源管理监测系统设计方案 |
19-25 |
|
2.1.1 能源监测系统的特点 |
20-21 |
|
2.1.2 能源监测系统的要求 |
21 |
|
2.1.3 系统功能 |
21-23 |
|
2.1.4 系统参数 |
23-25 |
|
第3章 能源监测系统硬件设计 |
25-39 |
|
3.1 能源监测系统网络结构 |
25-26 |
|
3.2 硬件的配置 |
26-28 |
|
3.3 硬件的介绍 |
28-30 |
|
3.4 系统数据通讯技术 |
30-35 |
|
3.4.1 工业以太网通讯 |
30-32 |
|
3.4.2 现场总线技术简介 |
32-35 |
|
3.5 基于 RS-485现场总线与工业以太网结合的能源监测系统 |
35-39 |
|
3.5.1 现场信号采集层 |
36 |
|
3.5.2 多协议仪表通讯现场总线层 |
36-37 |
|
3.5.3 工业以太网络的实现 |
37-39 |
|
第4章 能源监测系统软件的设计 |
39-49 |
|
4.1 监测软件的选择 |
39-41 |
|
4.1.1 组态王简介 |
39-41 |
|
4.2 能源监测软件的实现与功能 |
41-49 |
|
4.2.1 系统软件结构 |
41-42 |
|
4.2.2 监测画面的设计 |
42-49 |
|
第5章 神经网络原理算法概述 |
49-60 |
|
5.1 人工神经网络的概述 |
49-53 |
|
5.1.1 人工神经网络的发展 |
49-50 |
|
5.1.2 神经元理论 |
50-52 |
|
5.1.3 神经网络的主要特点 |
52 |
|
5.1.4 应用状况及研究方向 |
52-53 |
|
5.2 径向基函数(RBF)神经网络 |
53-59 |
|
5.2.1 RBF神经网络概述 |
53 |
|
5.2.2 RBF网络拓扑结构 |
53-54 |
|
5.2.3 RBF神经网络训练算法 |
54-59 |
|
5.3 RBF网络的泛化能力 |
59-60 |
|
第6章 工序能耗模型的建立 |
60-72 |
|
6.1 工序能耗的概述 |
60-61 |
|
6.2 冲压厂工序的简介 |
61 |
|
6.3 工序能耗影响因素的主成分分析 |
61-67 |
|
6.4 工序能耗神经网络模型的建立 |
67-72 |
|
6.4.1 数据的来源及预处理 |
68 |
|
6.4.2 冲孔工序能耗 RBF网络模型仿真 |
68-72 |
|
第7章 总结与展望 |
72-74 |
|
7.1 总结 |
72-73 |
|
7.2 展望 |
73-74 |
|
致谢 |
74-75 |
|
参考文献 |
75-77 |
|
攻读学位期间的研究成果 |
77 |
|
| 【DOI】 | LunWen.ID:2.2008.389160 |
