毕业论文设计《PSO-SVR在钕铁硼氢粉碎工艺中的应用研究》.doc

lw 分类号： 分类号： 密 级： UDC： 学校代码： 10127 硕士学位论文 论文题目：PSO-SVR在钕铁硼氢粉碎工艺中的应用研究 英文题目：Study on the application of PSO-SVR in NdFeB hydrogen crushing process 学位类别： 工学硕士 研究生姓名： 学号：201002177 学科(领域)名称：控制理论与控制工程 指导教师： 职称：教授 2013年5月20日 摘 要 钕铁硼氢粉碎是永磁材料生产工艺中常用的制粉方法，由于钕铁硼氢粉碎过程中被粉碎合金的粉碎状态、合金中氢含量等生产运行数据无法在线检测，导致钕铁硼氢粉碎工艺难以实现高水平自动控制。操作工人只能靠经验判断，以延长合金吸氢时间来保证合金完全粉碎，造成生产周期延长，浪费资源，生产成本加大。合金吸氢反应过程状态未知，难以调整最优控制参数，会影响合金粉末的品质。为了保证产品质量及生产效益，需要对钕铁硼氢粉碎控制系统相关参数实施在线检测，以满足工艺控制的需求。 本文对钕铁硼氢粉碎原理、工艺、影响氢粉碎产品质量和生产周期的重要因素以及实现控制的难点作了深入分析研究，针对粉碎过程重要参数无法在线检测问题，提出基于支持向量机的预测方法实现钕铁硼合金中氢含量的预报，并根据预报结果来调整相关控制参数，缩短生产周期，提高产品质量。 支持向量机建立在统计学习理论基础上，通过核函数计算将低维空间非线性问题转化成高维空间线性问题，能较好地解决小样本、非线性、高维数等问题，是解决非线性问题的重要工具。以其很强的学习能力和泛化能力，受到智能算法领域学者的广泛关注，目前在许多领域得到成功应用。论文的主要内容包括： 1、对钕铁硼氢粉碎原理及工艺过程进行研究，深入分析影响产品质量及生产周期的因素。 2、简单介绍支持向量机理论基础及基本原理，利用生产过程的历史数据建立支持向量机预测模型，采用MATLAB软件进行仿真和验证。 3、基于交叉验证思想，以支持向量机预测模型的均方误差最小为目标，采用粒子群优化算法对支持向量机模型参数进行优选，相比网格搜索法，粒子群算法具有更高的预测精度及更强的泛化能力。 4、建立氢粉碎工况数据库，通过ODBC方式与MATLAB进行数据交互，方便MATLAB预测模型调取实时数据，同时将预测结果存入数据库，用于分析使用。 5、设计控制系统监控画面，组态连接变量，通过OPC通讯完成预测模型和WINCC之间数据交互，将预测模型用于控制系统中，实现WinCC对难测工艺参数的监控，便于实施相应控制。 关键词：氢粉碎；支持向量机；钕铁硼； OPC通讯 Abstract Hydrogen crushing of neodymium iron boron is a commonly used milling method in the permanent magnetic material production process. The production operation data, the alloy state and the hydrogen content in alloy, cannot be detected online in the NdFeB hydrogen crushing process; resulting in NdFeB hydrogen crushing process is difficult to achieve a high level of automatic control. Workers can only rely on experience to judge, extend the hydrogen absorption time to ensure that the alloy completely crushed, resulting in the production cycle is prolonged, the resources are wasted, production costs increase. The state of alloy in the absorbing hydrogen reaction process is unknown. So it is difficult to adjust the optimal control parameters, resulting in the quality of th