欢迎来到天天文库
浏览记录
ID:32465440
大小:6.38 MB
页数:65页
时间:2019-02-06
《基于wincc的铝粉氮气雾化分级过程监控系统设计》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、大连理工大学硕士学位论文摘要铝粉在工业生产中发挥着重要作用,氮气雾化法由于其活性好,细粉率高而被广泛应用。本文结合实际工程需求,以WinCC作为组态平台进行监控系统的设计,实现了对生产过程的自动化控制,满足了生产要求。该监控系统界面友好、操作简单、功能齐全,并对某些功能进行了拓展,很好的实现了监测和控制要求。本文首先介绍了铝粉氮气雾化分级过程的工艺流程,对所包含的三个子系统的组成原理进行了分析。随后根据铝粉氮气雾化分级生产过程的实际要求,对上位机监控系统功能进行了完整设计,最后基于WinCC组态软件平台完成了监控系统的开发。通过该系统不仅
2、可实现对铝粉氮气雾化分级生产过程的在线监控,而且具有报警、归档、重要参数设置等功能。为增强系统安全性,采用了多级冗余系统设计。为解决生产过程中一些重要参数不可实时测量的问题,本文搭建了通信和数据采集平台,通过基于神经网络的过程模型将细粉率的实时数据和历史数据在上位机中显示出来,基于WinCC组态软件实现了Matlab与WinCC之间的实时数据的传递和无缝集成以及对历史数据库的多变量访问。针对现有的利用OPC技术实现Matlab与组态软件的通信并没有充分利用Simulilnk的模块化功能且与组态软件的结合性不好的问题,本文充分考虑了其模块化
3、设置,并在组态软件中实现独立操作,从而避免与Matlab的频繁切换;针对现有的ADO技术多以单变量的形式访问历史数据库的不足,本文实现了基于某一可变时间段的多变量数据库的访问,通过对生产过程的模拟,实现了参数的实时显示。该系统已经在某企业中使用,运行良好,不仅使生产安全得到了进一步的保证,而且为企业带来了巨大的经济效益。关键词:组态软件;WinCC;自动化控制;铝粉;生产过程模拟基于WinCC的铝粉氮气雾化分级过程监控系统设计SupervisionSystemDesignforAluminumPowderNitrogenAtomizati
4、onandClassificationProcessBasedonWinCCAbstractAluminumpowderplaysallimportantroleintheindustrialproduction.nenitrogenatomizingtechnologyhasthereactivefeatureandthefinepowerproportion,SOitisadoptedbymanyenterprises.Dependingontheactualengineeringrequirements,themonitorings
5、ystembasedonWinCCconfigurationplatformisdesigned.Itrealizestheautomaticcontroloftheproductionprocessandmeetsthecustomerrequirements.Thesystemisfriendlyinterface,simpleoperationandcompletefunctions.Italsoexpandsthecertainfunctionandachievedverygoodmonitaringandcontrolrequi
6、rements.T}liSpaperintroducesthealuminumpowernitrogenatomizing&classilyingprocessandanalyzesthebasicprinciplesofthethreesubsystems.111emonitoringsystemfeaturesacompletedesignandcompletesthedevelopmentofthemonitoringsystembasedontheWinCCconfigurationsoftwareplatform.Thissvs
7、temenablestheon.1inemonitoringabouttheproductionprocessandotherfunctions.Toenhancethesystemsecurity.redundantsystemsisincreased.ThereiSaquestionthatsomeimportantparameterscannotbereal.timemeasurementinindustrialproductionandthisPaperhassetupacommunicationanddataacquisitio
8、nplatform.Onthisplatform,itdisplaysthereal—timedataandhistoricaldata,basedonneuralnetworkprocess
此文档下载收益归作者所有