创新设计与实践 模板.docVIP

创新设计与实践 题 目: 院系名称： 电气工程学院 专业班级： 学生姓名： 学 号： 指导教师： 教师职称：  目 录 1 课题简介 1 1.1课题研究背景 1 1.2 国内外研究现状 1 1.3 本课题研究内容 1 2 系统总体设计方案 1 2.1 设计方案论证 1 2.2 系统结构及主要参数确定 2 3 软硬件电路设计与调试 3 3.1 硬件电路设计 4 3.1.1 基本原理 4 3.2 软件电路设计 5 3.3 软硬件电路调试 5 3.4 调试结果分析 5 结论 13 参 考 文 献 14 附录1 15 1 课题简介 1.1课题研究背景 1.2 国内外研究现状 1.3 本课题研究内容 本文研究的内容主要是建立一个烧结混合料制粒粒度分布预测模型，并确定混合制粒的最佳湿度，进而提高制粒效果，达到强化烧结的效果。研究的内容包括：查阅有关的资料，结合前人制粒实验数据，确定能够表征烧结混合料制粒特征的参数；采用神经网络建立铁矿石制粒效果预测模型，其输入参数为混合料的制粒特征参数，输出得到混合料的制粒效果，并找到合适的操作参数，利用前人实验数据对模型进行训练和验证。 2 系统总体设计方案 2.1 设计方案论证 根据国外的研究现状，数学建模方法有基于制粒机理的数学推导和基于数据驱动的拟合计算。 预测制粒粒度分布，首先要确定对制粒起决定性作用的因素。铁矿石的物理特性包括的参数较多，难以全部作为模型的输入。有必要找出决定性因素或找到一个包含主要影响因素的表征参量。预测模型必须包含原料制粒特性的信息，才能对原料性能进行聚类分析。目前国外的建模研究，主要是以原料粒度分布，加水量为模型输入。 文献中记载的制粒模型，几乎没有涉及到操作参数的变化。往往是以工艺参数为恒定值，通过改变原料条件对制粒效果进行研究。这样简化了模型的输入，有利于建模研究的进行。但是如果要将预报模型结合到实际生产中，用以指导生产实践的进行，应包括操作参数的调整，以期得到最佳制粒效果。 混料粒度分布将作为模型的输出参量。 2.2 系统结构及主要参数确定 图 2.1 铁矿石原料吸水示意图 为了使水份能吸入铁矿石粉中而铁矿石粉又不掉落，采用底部方有滤纸和滤网的圆柱事故那来装铁矿石试验装置如图 2.2 所示： 图 2.2 湿容量测量装置 测量装置由 U 型水糟，电子天平和试样管(直径为 56mm)组成。测量步骤： ①把天平读数清零，然后在试管内装入200g 铁矿粉，把装有铁矿粉的试管挂到天平上，并浸入水槽2mm中，等到电子天平的读数稳定之后，把试样管取出来。 ②把装有已经饱和铁矿粉的试样管脱离水面，方在天平上并清零；然后把试样管再一次浸入水中，调节 U 型水槽的水面，使挂有浸渍在水中的试管的天平的读数变成零。这佯作是为了消除水的浮力和表面张力对测量的影响。 ③ U 型水位不变，倒去试管中的铁矿粉，把试管洗净并擦干，然后装入待测铁矿粉 200g 。 ④将试样管放在天平上并给天平清零。 ⑤然后试样管挂在天平上，使其下部接触水面，等到天平读数稳定时，测得值即为饱和水的质量。 3 软硬件电路设计与调试 如今又两种方法来建立烧结混合制粒粒度分布预测模型，一种是依据制粒机理建立数学推导，一个是依据数学驱动来进行拟合运算。两种方法相比有着优劣，前者在铁矿石烧结体的混合物造粒过程中，许多因素会影响造粒效果，水分含量，物化成分，粒径，表面形貌等都会对造粒效果产生影响。因此，依据制粒机理建立数学推导结果的精度和范围都会受到较大的限制。而后者是和非线性关系的。 不知道变量是线性或非线性的复杂的机制中，人工神经网络预测模型就有更突出的地方。它是基于输入和输出变量中的网络对应，无论多么复杂的关系，它们之间的数学关系为一个黑盒子的过程中，可以得到一个通过学习网络的映射。 人工神经网络在处理复杂的非线性问题上有很大优势，说以本文使用人工神经网络来建立预测模型。 3.1 硬件电路设计 3.1.1 基本原理 人工神经网络是依据人类的大脑和他的活动来建立的一个数学模型,其中包括了大量的处理单元互联通过适当的组合,是一个大型的非线性自适应系统。 图 3.1 是生物神经网络的示意图，有了神经元，生物的神经网络系统就可以接受、处理和传递信号。 图3.1 神经网络结构示意图 因此本文的研究对象是烧结混合造粒特性造粒效果之间的关系的数学神经网络的这个工具发现两者之间的关系的非线性映射。它的决定，以确定制粒烧结混合物属性和粒化效果的具体的变量是在该模型基础。 3.2 软