Математическое моделирование автоматизированного передела сгущения и промывки красного шлама

Описание основных способов получения глинозема, роль боксита в данном процессе. Технология промывки и сгущения красного шлама. Действие флокулянтов и коагулянтов. Расчет материального баланса промывки. Создание модели процесса по данным с производства.

Рубрика Программирование, компьютеры и кибернетика
Вид дипломная работа
Язык русский
Дата добавления 15.12.2013
Размер файла 1,9 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

ДОЛЯ ППВ НА РАЗБАВЛЕНИЕ ВАРЕНОЙ ПУЛЬПЫ

0,5

Поток,

т/ч

Поток,

м3

Поток тв-го,

т/ч

Поток ж-го,

т/ч

Поток ж-го,

м3

Na2CO3,

г/л

Сод тв-го,

%

Плот тв-го,

т/м3

Плот ж-го,

т/м3

Плот п-пы,

т/м3

ВАРЕНАЯ ПУЛЬПА

1687,3

1297,1

78,6

1608,7

1273,3

294,9

4,7

3,300

1,263

1,301

ПУЛЬПА ПИТАНИЯ

СГУСТИТЕЛЕЙ

1940,9

1520,6

62,9

1878,0

1501,6

280,8

3,2

3,300

1,251

1,276

СЛИВ СГУСТИТЕЛЕЙ

1441,9

1154,1

0,0

1441,9

1154,1

279,3

0,0

0,000

1,249

1,249

ШЛАМ СГУСТИТЕЛЕЙ

508,6

370,0

73,3

0,0

346,6

286,4

14,4

3,138

1,256

1,375

СЛИВ ПРОМЫВАТЕЛЯ 1

570,1

480,9

0,0

570,1

481,7

206,0

0,0

0,000

1,183

1,186

ШЛАМ ПРОМВАТЕЛЯ 1

475,9

360,0

74,0

401,9

336,5

218,3

15,6

3,129

1,194

1,322

СЛИВ ПРОМЫВАТЕЛЯ 2

536,7

471,6

0,0

536,7

471,6

155,7

0,0

0,000

1,138

1,138

ШЛАМ ПРОМВАТЕЛЯ 2

505,3

397,2

74,8

430,6

373,3

172,8

14,8

3,129

1,153

1,272

СЛИВ ПРОМЫВАТЕЛЯ 3

565,4

508,0

0,0

565,4

508,4

126,8

0,0

0,000

1,112

1,113

ШЛАМ ПРОМВАТЕЛЯ 3

490,8

391,1

75,5

415,3

367,0

148,3

15,4

3,129

1,131

1,255

СЛИВ ПРОМЫВАТЕЛЯ 4

537,5

489,5

0,0

537,5

489,6

111,1

0,0

0,000

1,098

1,098

ШЛАМ ПРОМВАТЕЛЯ 4

462,5

373,4

75,6

387,0

349,2

122,2

16,3

3,129

1,108

1,239

СЛИВ ПРОМЫВАТЕЛЯ 5

509,2

471,7

0,0

509,2

471,8

90,3

0,0

0,000

1,079

1,079

ШЛАМ ПРОМВАТЕЛЯ 5

436,5

356,5

75,7

360,9

332,3

97,6

17,3

3,129

1,086

1,224

СЛИВ ПРОМЫВАТЕЛЯ 6

483,1

454,9

0,0

483,1

454,9

71,2

0,0

0,000

1,062

1,062

ШЛАМ ПРОМВАТЕЛЯ 6

400,6

328,4

75,7

324,9

304,2

77,6

18,9

3,129

1,068

1,220

СЛИВ ПРОМЫВАТЕЛЯ 7

447,1

426,8

0,0

447,1

426,8

55,2

0,0

0,000

1,048

1,048

ШЛАМ ПРОМВАТЕЛЯ 7

404,8

335,3

75,8

329,0

311,1

66,2

18,7

3,129

1,058

1,207

СЛИВ ПРОМЫВАТЕЛЯ 8

451,3

433,6

0,0

451,3

433,6

47,4

0,0

0,000

1,041

1,041

ШЛАМ ПРОМВАТЕЛЯ 8

303,5

242,3

75,9

227,6

218,0

51,2

25,0

3,129

1,044

1,253

СЛИВ ПРОМЫВАТЕЛЯ 9

349,9

340,6

0,0

349,9

340,6

32,6

0,0

0,000

1,027

1,027

ШЛАМ ПРОМВАТЕЛЯ 9

255,0

196,6

75,9

179,1

172,3

45,6

29,8

3,129

1,039

1,297

ВОДА НА ПРОМЫВКУ

301,3

294,9

0,0

301,3

294,9

26,5

0,0

0,000

1,022

1,022

АЛЮМИНАТНЫЙ РАСТВОР

1726,9

1394,6

0,0

1726,9

1395,0

266,6

0,0

0,000

1,238

1,238

Таблица 1.12. Показатели промывки при выводе 30% шлама

ДОЛЯ ППВ НА РАЗБАВЛЕНИЕ ВАРЕНОЙ ПУЛЬПЫ

0,5

Поток,

т/ч

Поток,

м3

Поток тв-го,

т/ч

Поток ж-го,

т/ч

Поток ж-го,

м3

Na2CO3,

г/л

Сод тв-го,

%

Плот тв-го,

т/м3

Плот ж-го,

т/м3

Плот п-пы,

т/м3

ВАРЕНАЯ ПУЛЬПА

1687,3

1297,1

78,6

1608,7

1273,3

294,9

4,7

3,300

1,263

1,301

ПУЛЬПА ПИТАНИЯ

СГУСТИТЕЛЕЙ

1899,3

1491,4

55,0

1844,3

1474,7

280,7

2,9

3,300

1,251

1,274

СЛИВ СГУСТИТЕЛЕЙ

1462,6

1170,6

0,0

1462,6

1170,6

279,4

0,0

0,000

1,249

1,249

ШЛАМ СГУСТИТЕЛЕЙ

445,0

323,8

64,1

0,0

303,3

286,3

14,4

3,138

1,256

1,374

СЛИВ ПРОМЫВАТЕЛЯ 1

518,3

439,8

0,0

518,3

440,5

198,5

0,0

0,000

1,177

1,179

ШЛАМ ПРОМВАТЕЛЯ 1

416,4

316,8

64,8

351,7

296,2

210,4

15,6

3,129

1,187

1,314

СЛИВ ПРОМЫВАТЕЛЯ 2

489,1

433,3

0,0

489,1

433,3

145,2

0,0

0,000

1,129

1,129

ШЛАМ ПРОМВАТЕЛЯ 2

442,2

350,5

65,4

376,8

329,6

161,2

14,8

3,129

1,143

1,262

СЛИВ ПРОМЫВАТЕЛЯ 3

514,2

466,5

0,0

514,2

466,8

115,1

0,0

0,000

1,102

1,102

ШЛАМ ПРОМВАТЕЛЯ 3

429,4

345,8

66,1

363,3

324,6

134,7

15,4

3,129

1,119

1,242

СЛИВ ПРОМЫВАТЕЛЯ 4

482,0

442,9

0,0

482,0

443,0

100,1

0,0

0,000

1,088

1,088

ШЛАМ ПРОМВАТЕЛЯ 4

404,7

329,8

66,1

338,6

308,6

110,1

16,3

3,129

1,097

1,227

СЛИВ ПРОМЫВАТЕЛЯ 5

457,3

426,9

0,0

457,3

427,0

81,0

0,0

0,000

1,071

1,071

ШЛАМ ПРОМВАТЕЛЯ 5

381,9

314,4

66,2

315,8

293,2

87,5

17,3

3,129

1,077

1,215

СЛИВ ПРОМЫВАТЕЛЯ 6

434,5

411,6

0,0

434,5

411,6

63,8

0,0

0,000

1,055

1,056

ШЛАМ ПРОМВАТЕЛЯ 6

350,5

289,2

66,3

284,3

268,0

69,6

18,9

3,129

1,061

1,212

СЛИВ ПРОМЫВАТЕЛЯ 7

403,0

386,4

0,0

403,0

386,4

49,8

0,0

0,000

1,043

1,043

ШЛАМ ПРОМВАТЕЛЯ 7

354,2

294,9

66,3

287,9

273,7

59,8

18,7

3,129

1,052

1,201

СЛИВ ПРОМЫВАТЕЛЯ 8

406,6

392,1

0,0

406,6

392,1

43,3

0,0

0,000

1,037

1,037

ШЛАМ ПРОМВАТЕЛЯ 8

265,6

212,7

66,4

199,2

191,5

46,8

25,0

3,129

1,040

1,248

СЛИВ ПРОМЫВАТЕЛЯ 9

317,9

309,9

0,0

317,9

309,9

30,9

0,0

0,000

1,026

1,026

ШЛАМ ПРОМВАТЕЛЯ 9

223,1

172,3

66,4

156,7

151,1

43,2

29,8

3,129

1,037

1,294

ВОДА НА ПРОМЫВКУ

275,4

269,5

0,0

275,4

269,5

26,5

0,0

0,000

1,022

1,022

АЛЮМИНАТНЫЙ РАСТВОР

1721,8

1390,4

0,0

1721,8

1390,8

266,6

0,0

0,000

1,238

1,238

Как видно, вывод шлама в отвал в виде песков гидроциклона снижает нагрузку по твердому на промыватели и концентрацию жидкой фазы отвального шлама, но значительно уменьшает ввод промывающей воды (возврат из прудка-отстойника), что нежелательно.

3. Синтез модели по архивным данным и её оптимизация

3.1 Создание модели процесса по данным с производства

Proficy Continuous Wizard

Proficy Continuous Wizard - это интерфейсное приложение программы Proficy Continuous Troubleshooter, позволяющее работать с данными из широкого ряда источников исторических данных, быстро создавать модели процессов, либо нелинейные, либо основанные на системе правил, и проводить с помощью этих моделей извлечение знаний, оценку выгод, симулирование корректирующих действий и их внедрение в реальный процесс.

Возможности

· Легко и быстро выявлять проблемы непрерывных процессов;

· Выполнять индивидуально настраиваемые операции подготовки, получения, комбинирования и фильтрации данных о непрерывных процессах

· Быстро определять особые и общие причины отклонений ключевых производственных показателей (KPI) с помощью встроенных механизмов визуализации данных, статистического анализа и моделирования, а также с помощью анализа на основе полученных моделей

· Выяснять возможность экономии при корректировании непрерывного процесса и осуществимость этого решения

· Использовать возможность автоматического размещения в режиме реального времени решений для приложений с непрерывными процессами

· Интегрировать программное обеспечение по улучшению технологических процессов с существующими системами HMI, MES и ERP

Загрузка производственных данных в программу

Данные с историей процесса находятся в отдельном файле Excel. На каждом листе находятся данные по одному отдельному аппарату. Для того, чтобы импортировать данные в программу, сперва их нужно привести в «понятный» программе формат, так как обычный.xls файл не воспринимается ей, нужно, с помощью программы Microsoft Office Excel, перевести файл в формат.csv или.txt, после чего можно перейти для работы непосредственно в Continuous Wizard. Чтобы импортировать.csv или.txt файлы, нужно нажать на кнопку Import Dataset -> Source Block, как показано на рисунке 15, в открывшемся окне выбираем значок с именем Text File, после чего, в открывшемся окне указываем путь к нужному файлу, как только файл загрузится можно будет редактировать параметры его дальнейшей загрузки в программу. После того, как были загружены все данные с производства, в главном окне программы оказались выставлены 5 пакетов данных, олицетворяющих 5 сгустителей соответственно. Так как в имеющихся архивных данных имеются «плохие» значения, следует отфильтровать блоки с помощью команды Filter Dataset -> Empty Values, которая удалит из блока все пустые значения.

Визуализация и моделирование

После загрузки архивных данных можно сразу приступить к моделированию, однако, чтобы модель получилась качественной и соответствующей процессу, нужно избавиться от «плохих» данных, которые могут испортить модель. Чтобы просмотреть все данные используется кнопка Visualization в левой части окна программы, в появившемся окне можно просмотреть графики и гистограммы всех загруженных параметров. В окне графика можно отметить участки, которые будут не учитываться для построения модели, для этого используется кнопка Add a region на панели инструментов. Так же в окне просмотра гистограмм можно установить дополнительные диапазоны, для ограничения модели, благодаря чему можно узнать, как она поведет себя в тех или иных условиях.

Так как нужно оптимизировать входные параметры, а именно, расход флокулянта и его разбавление, уменьшаем диапазон разброса этих параметров, это позволит при уменьшенных затратах на материал оставить производительность на прежнем уровне.

Проведя все нужные операции, приступаем к построению модели, чтобы открыть нужное окно, нажимаем на кнопку Modeling в левой части программы. В появившемся диалоговом окне указываем, какие параметры на входе и какие на выходе, после чего запускаем процесс моделирования. Продолжительность процесса напрямую зависит от количества и качества предложенных данных, и чем эти показатели выше, тем больше модель будет соответствовать процессу.

Извлечение знаний и оценка выгоды

После построения модели у нас имеется возможность проверить её реакцию на изменения различных входных параметров, а так же сравнить саму модель с данными, по которым она построена, для этого нужно нажать на кнопку Knowledge Extraction в левой части программы. В открывшемся окне в верхней левой его части показаны графики архивных данных (красный) и модели (синий) для их сравнения между собой, в нижней левой части имеются ползунки со входными данными, двигая которые, можно увидеть их влияние на выход. В правой части этого окна указаны зависимости выхода от различных входов модели.

Также после построения модели, у нас есть возможность оптимизировать её, для чего нужно нажать на кнопку Benefit Estimation в левой части окна программы, в открывшемся окне можно установить требуемые параметры оптимизации, такие как уставка выходного параметра, входные управляющие сигналы.

В данном конкретном случае, уставка выходного сигнала (O_F_Clarity) была установлена на 100 м3/ч, а входными управляющими сигналами были выбраны Synfloc_Ave (Разбавление флокулянта) и Injection_Ave (Расход разбавленного флокулянта). После обработки всех данных открылось окно с двумя гистограммами и графиком, на которых были представлены результаты «до» и «после» оптимизации.

Построение нечеткого регулятора и синтез модели.

Следующие возможности, которые дает нам Continuous Wizard, это возможность построить нечеткий регулятор и возможность экспорта модели с этим регулятором или без него. Чтобы открыть окно построения регулятора, надо нажать на кнопку Knowledge Fusion в левой части окна программы. В открывшемся окне нужно будет указать регулирующие и регулируемые параметры, для которых будут автоматически подобраны диапазоны, затем, в открывшемся окне появится возможность прописывать правила для нечеткого регулятора.

Так как, для оптимизации данного процесса используется ПИ-регулятор, строить регулятор нечеткой логики не было потребности.

Для того чтобы экспортировать полученную модель в Proficy Architect, нужно открыть окно Action Deployment, в котором содержится график модели до и после оптимизации и сохранены все предыдущие манипуляции с моделью, и нажать кнопку Export Blueprint. Дальнейшие манипуляции с моделью будут проводиться в программе Proficy Architect.

3.2 Оптимизация модели

Proficy Architect.

Программная среда Architect позволяет разрабатывать модели процесса и управлять ими в режиме симуляции или напрямую контролировать процесс. Она содержит дружественный интерфейс и простые в использовании блоки, которые применяются для построения и управления моделью или процессом.

Импорт модели из Continuous Wizard в Architect

Чтобы продолжить работу с моделью, требуется её импортировать в среду Architect, для этого выполняем команду File -> Open, и в открывшемся окне выбираем модель, предварительно сохраненную в формате.mgd. На рисунке 29 показана модель, загруженная из Continuous Wizard без каких-либо изменений, именно в таком виде с ней предстоит работать в дальнейшем.

Синтез ПИ-регулятора и организация обратной связи через OPC

OPC DA

В рамках данной работы для организации обратной связи был использован стандарт OPC DA, поэтому логичным будет рассмотреть принципы функционирования этого стандарта более детально. На данный момент последней версией спецификации OPC DA является версия 3.0, однако наиболее распространенной остается версия 2.05a.

Центральным понятием стандарта OPC Data Access является элемент данных. Один элемент данных служит для представления текущего значения какого-либо из параметров технологического процесса или вспомогательной величины. Каждый элемент данных имеет тип. Кроме значения, каждый элемент данных обязательно имеет метку качества и времени. Качество определяет достоверность текущего значения элемента данных и может принимать значения Good (хорошее), Bad (плохое) или Non-Specific (не определено). Метка времени показывает момент, когда значение элемента данных или его качество изменялось в последний раз.

С каждым элементом данных, имеющим числовой тип, могут быть связаны ещё две величины: верхний и нижний предел изменения. В отличие от качества и метки времени, эти величины не являются обязательными.

Каждый элемент данных имеет уникальный в пределах сервера строковый идентификатор - имя элемента. Совокупность имён всех элементов данных составляет адресное пространство сервера. Адресное пространство может быть плоским и иерархическим.

Доступ к данным ОРС DА-клиент осуществляет через специальные объекты, называемые группами. Клиент может создавать неограниченное количество групп и добавлять в каждую из них неограниченное количество элементов данных. Один и тот же элемент данных может быть добавлен в несколько групп одновременно и несколько раз в одну группу.

После добавления элемента в группу клиент может считать его текущее значение, а также значения идентификатора качества и метки времени. Считывание может проводиться в одном из следующих режимов:

Синхронный режим - происходит отправка запроса и ожидание ответа от сервера. На время ожидания функции клиента блокируются;

Асинхронный режим - в отличиe от синхронного чтения приостановка функций клиента не происходит, и он может продолжать работу. После обработки запроса сервер посылает уведомление клиенту о возможности получения данных;

Режим подписки - клиент формирует список элементов, состояние которых должно отслеживаться сервером. При обнаружении изменения сервер уведомляет клиента через интерфейс обратного вызова. При этом также предусматривается наличие зоны нeчувствительности, которая позволяет игнорировать шум данных, не учитываю его в качестве изменения;

Режим обновления данных - клиент вызывает одновременное чтение всех элементов данных, помеченных как «активные», игнорируя «пассивные» элементы. Такое деление уменьшает загрузку процессора обновлением данных, принимаемых из физического устройства.

Клиент может изменять значения элементов данных, добавленных в группу, если сервер данное действие разрешено сервером. Запись клиентом новых значений также может быть синхронной или асинхронной.

Согласно специфике OPC DA каждая группа обладает рядом параметров:

Имя группы - уникальный идентификатор группы, который может использоваться клиентом при поиске созданных групп и т.п.

Признак активности - отображает статус группы элементов. Неактивная группа не производит отправку клиенту уведомлений об изменениях значений элементов данных;

Частота обновления - задает интервал между отправками уведомлений об изменении значений клиенту;

Временной сдвиг - смещение времени относительно универсального времени;

Величина шума - диапазон, в пределах которого изменения игнорируются. Задаётся в процентах от характерного интервала изменения величины;

Региональные стандарты - учет региональных настроек при формировании группой сообщений, меток времени и т.п.

Значения данных параметров устанавливаются клиентом при создании группы и впоследствии могут быть изменены.

Ограничение частоты обновления в режиме подписки позволяет избежать частых вызовов функций интерфейса клиента. Кроме того, изменение значений параметров может происходить произвольно в любой момент времени. Таким образом, вызов функций, требующих отправки пакетов данных по сети и переключения между процессами, с каждым изменением какого-либо параметра оказывал бы негативное влияние на быстродействие системы. Ограничение частоты обновления позволяет уменьшить накладные расходы, так как все изменившиеся за период значения отправляются единым пакетом.

Исходя из этого, стоит отметить, что режим подписки является эффективным механизмом получения данных, так как, во-первых, позволяет работать только с реально изменившимися данными, а во-вторых, передача этих данных осуществляется единым блоком. В случае работы в синхронном или асинхронном режиме клиент вынужден запрашивать все интересующие его элемeнты, так как информация об изменении данных отсутствует. Следовательно, в ситуации, когда существует большое количество параметров, значения которых меняются редко разница в загрузке процессора и сети в режимах синхронного / асинхронного чтения и подписки может быть значительной.

В качестве необязательных возможностей сервера стандарт ОРС DA предусматривает поддержку так называемых публичных групп. Любая группа может быть объявлена публичной. После этого клиент не возможно изменение её параметров, а также добавление или удаление элементы данных. Публичная группа, в отличие от обычной, доступна не только создавшему ее клиенту, но и прочим клиентам сервера. При работе с OPC DA рекомендуется использование периодического чтения данных из устройства и их буферизации. СОМ-объекты групп при получении запросов могут вернуть клиенту значения из буфера или обратиться к подпрограмме связи с устройством, инициируя внеочередной запрос. В последнем случае клиент гарантированно получит последние значения элементов данных. Подпрограмма связи с устройством должна запрашивать только активные значения, которые добавлены хотя бы в одну активную группу. Это уменьшает загрузку сети, позволяя избежать ненужных запросов. При выборе источника данных СОМ-объект группы руководствуется следующими правилами:

При синхронном чтении клиент может явно указать источник данных. Если в качестве источника указан буфер, а элементы данных запроса являются неактивными, сервер устанавливает параметр качества элементов как Bad;

При асинхронном чтении источником данных всегда служит устройство;

При работе по подписке внеочередные запросы устройству не посылаются, вместо этого при поиске изменившихся значений используется информация из буфера.

Таким образом, OPCDA-клиент получает широкий набор возможностей по доступу к текущим значениям параметров процесса. Клиент создаёт необходимое число групп, в которые собирает интересующие его элементы данных, и получает значения в режиме подписки. Элементы, для которых скорость изменения критична, могут быть помещены в группу с высоким параметром частоты обновления. Прочие параметры также группируются определенным образом. При необходимости получить достоверную информацию о текущих значениях параметров клиент может сделать внеочередной синхронный или асинхронный запрос. Сложные клиенты, состоящие из нескольких независимых потребителей данных, могут создавать отдельные группы для каждого потребителя, динамически управляя активностью этих групп в зависимости от состояния потребителей.

Обратная связь через OPC

Для того чтобы организовать обратную связь через ОРС будет использоваться KepServerEx, соответственно, чтобы следить и, при потребности, изменять значения параметров, которые будут подаваться в обратную связь. Для данной работы был специально создан дополнительный кана, устройство (Device1) и группа тегов (Group1), в которые будут отправляться данные из регулятора на вход модели. Так же имеется возможность наблюдать за изменением параметров в реальном времени и, при необходимости, изменять их с помощью OPC Quick Client.

Синтез ПИ-регулятора

При создании регуляторов существенен не только их нормальный режим работы, но и другие функциональные режимы, такие, как переключение между ручным и автоматическим управлением. Разработчики ПЦУ-пакетов реализуют свои алгоритмы различными способами, и в частности, в зависимости от того, как они решают эти вопросы.

Регулятор с интегрирующим звеном - это, вообще говоря, неустойчивая система. Его потенциальная неустойчивость при определенных обстоятельствах может привести к серьезным неприятностям. «Залипание» или насыщение интегратора может произойти, если выход достиг верхней границы, а регулятор продолжает интегрировать ошибку. В этом случае сигнал на выходе интегратора может принять очень большое значение и потребуется много времени, чтобы вернуть его в нормальное положение. Такая проблема не возникает, если использовать дифференциальный алгоритм, так как при постоянном выходе интегрирование автоматически прекращается. Если все же необходим интегральный алгоритм, то следует проявлять определенную осторожность. Один из возможных способов - это отключить интегратор при насыщении выхода. Другой способ состоит в использовании условного интегрирования, в котором интегральная часть регулятора задействована при условии, что ошибка достаточно мала. В данной работе, чтобы избавиться от этой проблемы, применяется условное интегрирование.

Так как в Architect'е не предусмотрен блок регулятора, будет использоваться блок, воспринимающий язык MatLab, с помощью которого, будет писаться ПИ-регулятор. Регулируемыми параметрами являются разбавление флокулянта, которое зависит от расхода питающей суспензии, и расход разбавленного флокулянта, который зависит от содержания твердой фазы в верхнем сливе.

Интеграция регулятора и запуск модели

Для того чтобы подключить регуляторы, рекомендуется использовать суперблок, так как в этом случае появится возможность редактировать имена сигналов, что позволит избежать их конфликтов в дальнейшем. Для того, чтобы была возможность пользоваться полученными зависимостями в других программах, все данные, проходящие через процесс будут записаны в текстовый файл, для чего был добавлен блок TextSink. OPC связь в модели предоставляют блоки OPCClientSink и OPCClientSource.

Так как обратная связь осуществлена через ОРС, запустить модель получится только в режиме реального времени, из-за чего проведение всей симуляции займет продолжительное время, после окончания которого в окне графиков будут видны зависимости всех предварительно отмеченных входов и выходов модели.

Модель после установки регулятора стала более устойчивой к возмущениям, чем модель, построенная по архивным данным с производства.

Заключение

В данной выпускной квалификационной работе основе архивных данных по сгустителю с завода РУСАЛ'а Ewarton была создана математическая модель автоматизированного передела сгущения красного шлама, также с помощью пакета программ GE Proficy Intelligent Continuous Wizard модель была оптимизирована с целью, улучшить качественные показатели процесса и, как следствие, уменьшить себестоимость продукта.

Библиографический список

глинозем боксит коагулянт шлам

1. Острём К., Виттенмарк Б. - Системы управления с ЭВМ;

2. А.И. Лайнер - Производство глинозема. - Москва, 1967;

3. Технологические расчеты в производстве глинозема: Учебн. пособие для техн. / Л.Б. Самарянова, А.И. Лайнер. - М.: Металлургия, 1981. - 368 с.

4. Швецов Д. Новые технологии работы с данными OPC. - Журнал «Современные технологии автоматизации», 2007, c 67-69;

5. Шишов О.В. Современные технологии промышленной автоматизации: учебник. - Изд-во Мордов. ун-та, 2007. - 250 с.

6. Data Access Custom Interface Standard, Version 2.05a - June 18, 2002 - OPC Foundation (http://www.opcfoundation.org).

Размещено на Allbest.ru


Подобные документы

  • Описание процесса экстракции. Математическое описание модели. Алгоритм решения системы уравнений математического описания. Этапы имитационного исследования модели. Анализ результатов. Зависимость неудовлетворительной работы аппарата от расхода бензола.

    контрольная работа [116,4 K], добавлен 16.11.2012

  • Математическое описание элементов автоматической системы моделирования. Определение передаточной функции объекта по переходной характеристике методом площадей. Вычисление статических характеристик случайного процесса по заданной реакции, расчет дисперсии.

    курсовая работа [337,2 K], добавлен 10.02.2012

  • Создание модели какого-либо процесса или объекта как основная цель процесса моделирования. Получение математической модели теплообменника-подогревателя для смесей газ-газ, жидкость-газ и жидкость-жидкость. Принятые допущения при разработке модели.

    контрольная работа [351,5 K], добавлен 24.11.2014

  • Характеристика аппаратов для очистки газов. Описание основных процессов, протекающих в пылеосадительной камере. Разработка программы в среде программирования Visual C# Express 2010, реализующей вычисление параметров процесса по приведенной модели.

    курсовая работа [1,8 M], добавлен 20.11.2012

  • Математическое моделирование технических объектов. Понятие математических моделей, классификация и свойства. Численные методы, система MathCAD и её основные функции. Алгоритмический анализ задачи, анализ реализации базовой модели электрической цепи.

    дипломная работа [755,4 K], добавлен 25.07.2012

  • Понятие стратегического планирования, разработка схем программных блоков и основной программы. Структурная схема имитационной модели, создание модели на языке моделирования General Purpose Simulation System. Математическое описание моделируемой системы.

    дипломная работа [2,6 M], добавлен 12.08.2017

  • Анализ предметной области и описание основных функциональных подсистем автоматизированного рабочего места администратора кинотеатра "Мир". Разработка инфологической модели базы данных и заполнение форм данных. Обеспечение безопасности и доступа к данным.

    курсовая работа [4,4 M], добавлен 27.12.2014

  • Обзор особенностей производственного процесса швейного предприятия: подготовки материала, пошива и упаковки. Реализация интерфейса доступа к данным с помощью технологии CSP. Создание модели данных в виде ER-диаграммы и выполнение ее нормализации до 3НФ.

    курсовая работа [4,2 M], добавлен 16.08.2012

  • Концептуальное, физическое, структурно-функциональное, математическое (логико-математическое), имитационное (программное) и компьютерное моделирование. Построение имитационной модели в среде AnyLogic. Дискретные и непрерывно изменяющиеся модели.

    курсовая работа [1,6 M], добавлен 21.11.2013

  • Основы классификации объектов, их типы и подходы к моделированию. Программные и технические средства, используемые в данном процессе. Этапы моделирования, их общее описание и значение: постановка задачи, разработка модели, компьютерный эксперимент.

    реферат [36,3 K], добавлен 23.12.2014

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.