Автоматизация процессов производства железобетонных изделий

Министерство образования  и науки РФ

Государственное образовательное  учреждение высшего профессионального  образования

Владимирский Государственный  Университет имени

Александра Григорьевича и Николая Григорьевича Столетовых

 

 

 

 

 

 

 

 

Кафедра УКТР

 

 

 

Реферат по дисциплине

«Автоматизация измерений, контроля и испытаний»

 на тему:

«Автоматизация процессов производства железобетонных изделий».

 

 

 

 

 

 

 

 

 

 

 

                                                                                      Подготовил:

                                                                                          ст.гр. ЗУК-108

                                                                                           Киселева М.Н.

                                                                                   Проверил:

                                                                                      Орлов Д.Ю.

 

 

 

Владимир 2013г

 

Содержание

 

Введение

В настоящее время  в России и за рубежом создан широкий спектр датчиков физических величин, основанных на различных эффектах.

По мере того, как растет применение электроники, все большее  значение приобретают датчики, которые  играют роль посредников между окружающим нас аналоговым миром и цифровыми системами обработки информации о признаках этого мира. Поэтому неудивительно, что изготовитель датчиков, стараясь расширить возможности своих устройств, обращаются к технологии интегральных схем, т.е. к созданию полупроводниковых (ПП) (микроэлектронных) датчиков, которые со встроенными функциональными элементами становятся все более похожими на интегральные микросхемы.

Микроэлектронные датчики (МЭД), объединяющие датчики полупроводниковые и на основе материалов, используемых в микроэлектронике, бесспорно, представляют одно из самых перспективных направлений развития этого класса изделий, поскольку позволяют реализовать новейшие достижения в области строительной технологии.

Можно предположить, что  ПП датчики будут развиваться  по трем направлениям: дальнейшее повышение уровня интеграции и распространение интегральной технологии; комбинирование нескольких датчиков в одном корпусе (на одном кристалле); «интеллектуализация» датчика.

В данной работе рассматривается автоматизация процессов производства железобетонных изделий (труб). Следовательно, требуется: описание функциональной схемы автоматизации, методов измерения технологических параметров, основных технических средств автоматизации и т.д. А также описание использования микропроцессорной техники, особенностей программного обеспечения и типов применяемых контроллеров.

 

1. Аналитический обзор

1.1 Создание автоматизированной системы контроля и управления качеством в производстве сборного железобетона

Эффективность управления производством в современных условиях в значительной мере определяется наличием методов и технических средств управления качеством продукции на всех стадиях технологического процесса. Задачи управления качеством продукции, оптимизации технологических процессов решаются на базе комплексной автоматизации производства, широкого внедрения систем и средств автоматизации. Одним из основных условий успешного решения задач автоматизации производства является обеспечение систем автоматического управления технологическими средствами оперативного автоматического контроля параметров-характеристик автоматизированных технологических процессов − физических, химических и других величин, информация о которых необходима для обеспечения оптимального управления тем или иным процессом. Степень обеспеченности технологического процесса такими средствами наряду с уровнем механизации автоматизированного производства (процесса, передела) и достигаемые технико-экономические эффекты являются определяющими, а зачастую, и лимитирующими при оценке возможности и целесообразности организации автоматизированного управления, создания конкретных систем автоматизации в производстве сборного железобетона.

Автоматизация технологического процесса производства железобетона требует  использования автоматизированных средств для контроля основных возмущающих воздействий и качественных характеристик железобетонных изделий, информация от которых может использоваться в целях оптимального управления производством.

При создании автоматизированной системы контроля и управления качеством в производстве сборного железобетона, как и в других отраслях, необходимо решить ряд научных и технических задач, связанных с выполнением основных этапов работ:

1. Провести изучение особенностей (идентификацию) объекта управления;
2. Сформулировать основные цели, ставящиеся перед создаваемой системой контроля и управления;
3. Выполнить технико-экономическое обоснование целесообразности создания АСУ ТП;
4. Разработать рациональную структуру системы;
5. Разработать алгоритмы обработки информации и управления;
6. Определить состав технических средств, необходимых для реализации системы, и подобрать серийно-выпускаемые; подготовить исходные требования на подлежащие разработке устройства и аппаратуру контроля и управления;
7. Создать новые устройства контроля и средства автоматизации; провести экспериментальные исследования по проверке принципов построения системы, разработанных алгоритмов, а также созданных средств автоматизации и приборов контроля;
8. Разработать проект системы, включая математическое и информационное обеспечение, а также комплекс технических средств;
9. Решить вопросы метрологического, а при необходимости и правового обеспечения системы;
10. Изготовить, смонтировать оборудование, провести пусконаладочные работы и ввести систему в опытно-промышленную эксплуатацию;
11. Провести приемочные испытания системы и ввести ее в постоянную промышленную эксплуатацию;
12. По результатам промышленной эксплуатации выполнить анализ технико-экономической эффективности системы, подготовить предложения по ее совершенствованию и тиражированию.

Следует подчеркнуть, что успех внедрения автоматизированных систем контроля и управления, в частности в производстве железобетонных изделий, обусловлен, в основном, тремя факторами:

1. Степенью изученности объекта  управления и подготовленностью  его к автоматизации.

2. Наличием точных высоконадежных  и эффективных технических средств (в первую очередь, автоматического контроля), способных длительно работать в режиме Непосредственного управления производством.

3. Наличием соответствующего  математического обеспечения и эффективных алгоритмов обработки информации и управления. В ряде случаев стоимость математического обеспечения составляет 50 ... 75% общих затрат на создание автоматизированных систем и существует тенденция к дальнейшему увеличению этой доли затрат.

1.2 Адаптивные методы прогнозирования

Одним из важнейших направлений  повышения эффективности производства сборного железобетона является совершенствование  существующих и разработка новых  методов прогнозирования. При планировании технико-экономических показателей важной проблемой является повышение точности прогнозов не только на дальнюю, но и ближайшую перспективу. Объективная необходимость повышения качества краткосрочных прогнозов привела к созданию и быстрому развитию адаптивных методов.

Адаптивными методами прогнозирования (АМП) называются методы, позволяющие строить самокорректирующиеся математические модели, которые, учитывая результат реализации прогноза, сделанного на предыдущем шаге, и различную информационную ценность членов динамического ряда, способны оперативно реагировать на изменяющиеся условия и на этой основе давать на ближайшую перспективу более точные прогнозы.

АМП применяются там, где основной информацией для  прогноза является отдельный временной  ряд. В случае краткосрочного прогнозирования наиболее важными являются последние реализации исследуемого процесса, например данные о мощности на валу бетоносмесителя ряда последних замесов бетона одной рецептуры, тенденция его развития, сложившаяся в среднем на всем периоде предыстории, имеет существенно меньшее значение. Другими словами, свойство динамичности развития процесса здесь преобладает над свойством их инерционности. Вследствие этого более эффективным оказывается применение АМП, учитывающих неравноценность уровней временного ряда.

Для повышения качества краткосрочных прогнозов необходимо постоянно сопоставлять прогнозные оценки, полученные на основе модели, с фактическими данными. Практически все методы инженерного прогнозирования являются в той или иной степени адаптивными, поскольку стремятся использовать ценную информацию результатов сравнений с. тем, чтобы приспособиться к реальному течению процесса. Однако в традиционных методах, использующих регрессионные модели, кривые роста, степень адаптации невелика, так как они, как правило, используют новую точку динамического ряда лишь для "освежения" модели путем простого перерасчета ее коэффициентов по увеличенному на единицу периоду предыстории. В этом случае ценность вновь поступающей информации с течением времени постоянно падает и, кроме того, не учитывается фактическая величина ошибки прогноза.

Первоначальная оценка параметров модели обычно осуществляется по некоторой выборке исходного ряда. Все уровни ряда составляют обучающую последовательность, т. е. используются для корректировки параметров текущей прогнозной Последовательность процесса адаптации, состоит в следующем.

Пусть модель находится  в некотором исходном состоянии (т. е. определены текущие значения ее параметров) и по ней делается прогноз. По истечении одной единицы времени (шага моделирования) анализируем, насколько далек результат, полученный по модели, от фактического значения ряда. Ошибка прогнозирования через обратную связь поступает на вход системы и используется моделью в соответствии с ее логикой перехода из одного состояния в другое с целью большого согласования своего поведения с динамикой ряда. На изменения ряда модель должна отвечать "компенсирующими" изменениями. Затем делается прогноз на следующий момент времени и весь процесс продолжается до исчерпания фактических уровней ряда.

Таким образом, модель постоянно "впитывает" новую информацию, приспосабливается к ней и  к концу периода обучения отражает тенденцию развития процесса, существующую на данный момент.

Что касается правил перехода системы от одного состояния к  другому, то этот процесс решается каждым исследователем интуитивно.

Быстроту реакции адаптивной модели на изменения в динамике ряда характеризует так называемый параметр адаптации. Процесс "обучения" модели по ретроспективному материалу происходит в два этапа. На первом этапе определяется наилучшая (оптимальная) величина параметра адаптации, а на втором, используя ее по описанной выше схеме, определяются коэффициенты модели.

Если оптимальную величину параметра адаптации затруднительно определить эмпирически или вывести аналитическим способом, то используют метод проб и ошибок. Задача состоит в нахождении такого значения параметра, которое обеспечивало бы отражение тенденции процесса при одновременной фильтрации случайных отклонений от нее.

Адаптивные модели достаточно гибки, но не универсальны. Поэтому при построении конкретных моделей необходимо учитывать наиболее вероятные закономерности развития реального процесса, динамические свойства ряда соотносить с возможностями модели. Исследователь должен закладывать в модель те адаптивные свойства, которых, по его мнению, хватит для слежения модели за реальным процессом с заданной погрешностью. Вместе с тем нельзя надеяться на успешную самоадаптацию модели, более общей по отношению к той, которая необходима для отражения реального процесса, так как увеличение числа параметров модели неизбежно приводит к ухудшению получаемых по ней прогнозов.

Таким образом, при построении адаптивной модели приходится выбирать между общей  и частной моделью, и, учитывая их достоинства и недостатки, отдавать предпочтение той, от которой можно ожидать наименьшей ошибки прогнозирования. Только при таком условии можно надеяться, что последовательность проб и ошибок постепенно приведет к наиболее эффективной прогнозной модели.

Для сравнения возможных альтернатив необходим критерий полезности модели. В случае краткосрочного прогнозирования признанным критерием является средний квадрат ошибки прогнозирования. О качестве модели судят по наличию автокорреляции в ошибках. В более развитых системах процесс проб и ошибок осуществляется в результате анализа как последовательных во времени, так и параллельных (конкурирующих) модификаций модели. Здесь используется принцип конкуренции или автоматического отбора (селекции) прогнозной модели по заданному критерию.

Время в адаптивной модели не является фактором, причинно определяющим развитие исследуемого процесса. Оно является условным "представителем" всей совокупности причинных факторов и выражает эволюцию всего комплекса условий протекания процесса. За счет упрощенного представления исследуемой величины, которая связана с одним лишь фактором − временем, моделирование становится возможным даже при самой скудной информации.

Учитывая вышеизложенное, можно  выделить следующие основные преимущества адаптивных методов и моделей, обеспечивающие широкое поле для их применения:

1. адаптивное прогнозирование не требует обширной информации, оно базируется на интенсивном анализе информации, содержащейся в отдельных временных рядах;
2. модель, описывающая структуру показателя и его динамику, как правило, имеет ясную экономическую интеграцию и простую математическую формулировку;
3. неоднократность временных рядов и их связей находит отражение в адаптивной эволюции параметров или даже в структуре додели.

В сравнении с системой регрессионных уровней адаптивные модели могут давать более надежные результаты при краткосрочном прогнозировании.

Однако сказанное вовсе не означает, что адаптивные модели могут заменить любые другие виды моделей. Они пригодны лишь для обработки рядов с  умеренными изменениями во времени.

1.3 Технологические переделы

Технологический процесс  производства железобетонных изделий  достаточно сложен, включает в себя несколько переделов, каждый из которых  находится под воздействием целого ряда переменных факторов − возмущений, изменяющих ход процесса и, как следствие, качество готовых изделий.