论文部分内容阅读
针对目前温度传感器无法直接对真空烧结炉的内部高温区进行测量,导致在实际生产中无法对真空烧结炉内部的温度精确掌控。而真空烧结炉的温度变化对烧结材料的品质又至关重要,因此对真空烧结炉的内部温度进行精确掌控,不仅能对烧结产品的质量有所保障,也能控制在烧成过程中的不定性因素并及时进行调整,以保证烧结过程的正常运行,针对此问题本文提出基于机理和数据驱动混合建模的方法对真空烧结炉的温度进行软测量研究。随着软测量技术的不断研究以及工程上应用越来越广泛,其主要方法是通过机理分析、数据驱动进行软测量研究,而仅仅只是用机理分析或单独用数据驱动的方法,无法准确的描述出真空烧结炉升温过程的非线性和强滞后的问题,从而难以对真空烧结炉的温度变化进行实时在线预测。针对此情况,本文结合机理建模的方法建立温度模型,在此基础上利用可测得实验数据与仿真数据进行温度误差补偿,用机理分析和数据驱动混合建模的方法去弥补两者的不足之处,使得建立的温度模型逼近实际工况,让模型更具说服力。本文的主要内容是对真空烧结炉的温度进行软测量研究。具体内容如下:机理温度建模、数值模拟仿真、基于BP神经网络的方法进行温度误差补偿、真空烧结炉温度预测系统的实现。首先,通过建立真空烧结炉温度的机理模型,可得到电热转换模型和发热体与炉内工件之间的机理模型;再根据真空烧结炉的二维模型与实际工艺参数,通过ANSYS-fluent有限元分析软件对内部温度场进行仿真获取温度数据;再利用BP神经网络对已有的实验数据与仿真温度数据在机理建模的基础上做温度误差补偿研究;最后建立真空烧结炉的温度预测系统。其工作如下:(1)为了解决真空烧结炉工作过程中无法精确掌握炉内温度的问题,使用软测量的方法对其温度进行研究。首先建立真烧结炉的温度机理模型,对加热升温过程进行物理分析、建立温度模型,对于真空烧结炉的结构特点、工件分布、热电偶工况及加热管的分布进行了详细的叙述,以便于后续章节中对炉子的温度场分布进行数值模拟分析。同时结合炉子的工作原理和传热过程分析,对真空烧结炉在辐射传热过程中的辐射力、系统发射率和角系数进行计算,最后通过机理分析、物理几何分析以及求解所得各参数建立真空烧结炉工作时的温度计算模型。(2)为了解决高温情况下,真空烧结炉内部参数无法直接获取的难题,根据所建立的温度模型选择材料的参数、工况以及本身工作环境设置为研究对象,使用有限元分析软件对真空烧结炉的温度场进行模拟仿真,对不同工艺参数设置下的升温过程进行分析仿真,并对仿真结果与实验数据采集进行分析与比较验证仿真结果的可靠性,同时获取研究所需的温度数据。(3)为了解决单一机理建模不精确的问题,因此在机理建模的基础上使用BP神经网络做温度误差补偿,让建立的温度模型更加趋近实际工况下的炉内温度。此部分用实验采集数据与仿真数据相结合的方法,运用BP神经网络求解得到的温度误差值。最后得到混合建模下的温度模型,并通过实验数据对混合模型下的温度和单一机理建模的温度进行了温差比较。(4)根据上面建立的温度模型,使用MATLAB GUI软件设计真空烧结炉的温度预测系统,建立各个模块功能,对真空烧结炉升温过程的温度进行实时控制与调整。