高炉槽下物料消耗计量数据自动认证系统设计与应用

论文摘要

高炉物料消耗量是指导钢铁冶金生产、计算各项生产指标的重要数据，具有计量数据量大、种类繁多、关联性强等特点，原人工计量认证过程繁琐、效率低下、容易发生遗漏，不能满足企业ERP系统的发展需求。本文重点开展计量数据异常识别与认证处理方法的研究工作，结合钢铁企业计量系统的特点和需求，设计一个高炉槽下物料消耗计量数据自动认证系统。本文在分析计量数据异常类型及其内在特性的基础上，综合考虑生产工艺和用户需求，论述了高炉计量认证系统硬件结构和数据流程的总体设计方案；针对大批料批丢失、小批料批丢失以及料批重复等异常情况，提出一种基于多元模糊模型的异常数据自动识别方法；针对焦炭数据异常、焦丁数据异常和矿石数据异常等异常情况，提出一种基于离群数据挖掘技术的异常数据自动识别方法；在人工认证经验和专家知识的基础上，建立计量数据分析与处理的智能模型，分别采用金属料平衡和平均值方法，对不同的异常数据进行自动修正与补偿。基于Oracle 9i数据库和PowerBuilder 8.0前台开发软件，开发高炉物料消耗计量数据自动认证系统应用软件，具备数据分析、自动认证、参数设置、报表统计和数据查询等功能。通过嵌入某钢铁企业ERP系统进行实践检验，验证了高炉槽下物料消耗计量数据自动认证系统的正确性和有效性，认证效率高，对于指导钢铁企业高炉生产具有显著的工程应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 计量系统的数字化改造
• 1.2.2 异常识别
• 1.2.3 认证处理
• 1.3 主要研究内容
• 1.4 本文的章节安排
• 第二章 总体设计方案
• 2.1 计量认证过程及问题
• 2.1.1 原有人工认证系统的不足
• 2.1.2 计量数据异常情况的分析
• 2.2 用户需求和认证目标
• 2.3 计量认证系统结构
• 2.4 计量认证数据流程
• 2.5 本章小结
• 第三章 计量数据异常识别和认证处理
• 3.1 计量数据特征分析
• 3.1.1 1#～5#高炉计量数据的异常情况
• 3.1.2 6#高炉计量数据的异常情况
• 3.1.3 计量数据异常情况的分类
• 3.2 基于模糊模式识别的料批异常识别方法
• 3.2.1 数据预处理
• 3.2.2 模糊建模
• 3.2.3 模式识别
• 3.3 基于离群数据挖掘的料批数据异常识别方法
• 3.3.1 k-最近邻距离法
• 3.3.2 料批离群数据挖掘
• 3.4 认证处理方法研究
• 3.4.1 金属料平衡方法
• 3.4.2 平均值方法
• 3.5 认证处理模型的选择与组建
• 3.5.1 料批丢失情况的处理模型选择
• 3.5.2 料批数据异常情况的处理模型选择
• 3.5.3 认证处理模型的约束条件
• 3.6 本章小结
• 第四章 自动认证系统软件设计与应用
• 4.1 功能结构
• 4.2 认证系统运行环境
• 4.3 应用软件设计流程
• 4.3.1 应用软件初始化
• 4.3.2 功能模块的设计
• 4.3.3 补偿量的数据结构
• 4.4 操作界面设计
• 4.4.1 程序菜单的结构
• 4.4.2 参数设置界面
• 4.4.3 高炉认证界面
• 4.5 新旧系统兼容性
• 4.5.1 自动认证系统的改进措施
• 4.5.2 自动认证基表选择
• 4.5.3 数据表转换程序位置选择
• 4.6 测试与运行结果分析
• 4.7 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 附录
• 1. 认证数据表
• 2. 铁水产量表
• 3. 水分表
• 4. 认证日志表
• 5. 变料计划表
• 6. 系统配置信息表
• 7. 综合信息查询表
• 致谢
• 攻读学位期间主要的研究成果