基于HDCS-2000的低温多效海水淡化控制系统研究

以4+2效低温多效海水淡化系统为例,阐述利用哈汽自主研发的HDCS-2000系统实现对低温多效海水淡化过程的自动控制。主要的设计内容包括海水淡化控制系统的硬件设计,控制系统的软件设计。最终实现对海水淡化过程中的物理参数的监测、控制及设备的连锁及保护功能。     

大型低温多效海水淡化装备技术特点分析

对大型低温多效海水淡化装备设计过程中遇到的几点问题,包括工艺流程选择、设备结构优化、制造材料选择等进行分析,并提出具体建议。     

基于 Quantum PLC和 iFix的低温多效海水淡化控制系统

针对低温多效蒸馏海水淡化（ LT-MED ）装置的控制特点和工艺需求,采用QUANTUM PLC,iFix组态软件和工业以太网通信技术相结合,设计了以顺序逻辑控制为主、单回路PID闭环调节为辅的低温多效海水淡化冗余控制系统。通过在印度尼西亚INDRAMAYU燃煤电站工程2×4500 t／d低温多效海水淡化装置的实际应用证明,该系统很好地满足了工艺控制要求,系统运行稳定可靠。监控画面显示直观,操作简单,便于印尼方操作人员学习掌握。     

10000t/d低温多效海水淡化装置工艺分析

简要介绍低温多效蒸馏海水淡化的工作原理和特点,采用等温差法和等面积法对5效10 000 t/d低温多效海水淡化装置进行工艺计算,计算结果表明等面积法不仅有利于制造和维修,并且总换热面积比等温差法的换热面积小。     

均匀控制在低温多效海水淡化装置中的应用

针对低温多效蒸馏海水淡化装置中各效盐水液位存在大滞后以及强耦合等控制难题,研究并提出了一种新的控制方案,通过PID参数优化以及设置调节阀限位的方式成功实现均匀控制。控制方案既能控制各效液位在工艺允许的范围内,又保证了各效进水的喷淋量。该方案实施以来,系统稳定性好,便于维护,而且不需要额外的硬件投资。     

低温多效海水淡化热力计算研究

根据低温多效海水淡化(MED)系统的工作原理,系统建立了带有热力蒸汽压缩器(TVC)的低温多效海水淡化数学模型.利用Visual Basic语言编制了低温多效海水淡化系统热力计算程序,通过与实际工程项目技术参数对比,验证了计算程序的正确性.     

低温多效蒸馏法海水淡化技术

我国在20世纪80年代末开始研究低温多效蒸馏法海水淡化技术，初期主要是基础理论研究，到“九五”期间天津海水淡化研究所开展双效压汽蒸馏技术研究，在低温多效和压汽蒸馏方面取得了突破性进展，全面掌握了低温多效和压汽蒸馏淡化的关键技术，并且达到国际先进水平。在设备的效间联接、防蚀保护和材料选择等方面取得了成果。     

低温多效蒸馏海水淡化蒸发器腐蚀研究

低温多效蒸馏海水淡化技术由于操作温度低、传热性能优良,正在被广泛应用和研究。针对国内不同工程的低温多效蒸馏海水淡化工程蒸发器壳体的腐蚀情况,在实验室条件下进行了相关材料的腐蚀模拟试验,利用成分和显微组织分析手段研究介质条件、工作环境等因素对蒸发器的腐蚀影响,提出了海水淡化装置在设计、制造及运行等方面控制腐蚀的具体措施及优化方向。     

基于成组技术的低温多效海水淡化装置设计研究

低温多效海水淡化(MED)是目前国内主要采用的一种热法海水淡化方法,但由于MED装置的零部件种类、数量多,且大部分为非标准件,因此装置的设计和加工的工作量大。文中通过分析MED装置零部件的结构特征,应用成组技术对其进行结构优化,使相似性零件的结构、尺寸等特征参数具有统一性,从而提高了装置的加工效率,进一步减少了装置的制造成本。     

低温多效蒸馏淡化装置温度仪表选型

正确的选择和安装温度仪表测量元件,对低温多效蒸馏（MED）淡化安全经济稳定运行显得尤为重要。文章介绍了常用的几种温度仪表,针对MED淡化装置工艺和设备特点。遴选了适用的温度仪表。并进行了实验和应用。结果表明：优选的温度仪表在预定的测点下正确安装,通过改变测温元件插入深度,准确的测量装置各部分的温度工况,满足使用要求。     

海岛适用的风光柴蓄一体化海水淡化装置研制

针对海岛淡水资源短缺,常规能源供应紧张,新能源单独使用不稳定等问题,研制了一套风光柴蓄一体化海水淡化装置,并从多能耦合发电设计、淡化工艺优化和监控系统设计等方面进行了分析和阐述。运行结果表明,该装置具有自动化程度高,环境适应能力强,吨水耗电低等优点,对解决孤立海岛地区的能源供应与水资源同时匮乏难题具有重要参考价值,推广应用前景广阔。     

移动式反渗透海水淡化装置电控系统的设计与应用

该文以某150000吨/日反渗透海水淡化工艺可行性研究为背景,设计了一套工艺为“强化预处理+反渗透”的移动式海水淡化装置。通过分析工艺各环节关键设备及参数的自动控制原理,重点阐述了电气、控制、仪表等三方面的硬件设备选型以及PLC与上位监控程序的设计和开发过程,目前系统已经在中试实验装置成功应用。实验结果表明,系统运行安全可靠,运行数据可追溯性强,在提高设备智能化水平的同时也实现了稳定工况下的少人甚至无人值守。     

低温加工过程模糊控制系统的设计

针对低温加工过程的复杂性、精确数学模型难以建立的特点,建立了低温加工模糊控制系统,设计了自寻优模糊控制器,试验仿真结果表明,这种控制器具有快速、准确和超调量小的特点,获得了满意的控制效果。     

网络化测控技术在称重领域的应用

本文简要介绍了网络化测控系统技术实现平台的基本知识,并结合称重领域的衡器产品,重点以电子吊秤和电子汽车衡产品为例,详细介绍了电子吊秤、电子汽车衡网络化测控系统的实现方法及特点,并简单列举了网络化测控技术在其他衡器产品上的应用展望,以供读者分享。     

钢铁企业煤气能量流网络的混杂Petri网分析

为实现钢铁企业煤气能量网络的高效运行,给出一种综合建模、分析和优化方法。概括了煤气能量流网络的特性,并用混杂Petri网建立其描述模型;借助其混杂Petri网模型的S-不变量,给出一种快速能值计算方法;提出能量密度指标,给出放散煤气能量密度的线性规划优化模型。通过某钢铁企业煤气能量流网络对该方法进行了验证,结果表明该方法可以为煤气能量流网络的分析和优化提供方法支持。     

海水淡化中的pH在线检测技术综述

pH是保障海水淡化系统正常运行和水质是否合格的重要指标,pH在线检测技术主要有电化学法和分光光度法。在海水淡化中主要应用基于pH玻璃电极的电化学法,但存在电极污染、干扰、腐蚀、维护等问题。为解决上述问题,总结了电极自清洗、抗干扰、防腐蚀、在线维护等措施,提高了pH测量的稳定性和可靠性。讨论了海水淡化中pH在线检测新技术：基于pH—ISFET的电化学法和基于光纤pH传感器的分光光度法。并展望了海水淡化中pH在线检测技术的发展趋势。     

模糊神经网络技术在防摇控制系统中的研究与应用

介绍了将模糊神经网络用于起重机电子防摇控制器和模糊神经网络的实现,以及如何利用MATLAB中的神经网络工具箱对模糊神经网络进行训练.并以MATLAB/SIMULINK为仿真平台建立了电子防摇控制仿真模型,经仿真表明该系统的抗干扰能力强,满足防摇控制系统的设计要求.     

面向无线/有线工业网络集成的协议转换器构架

针对工业现场控制任务对无线通信网络的要求,在应用层、数据链路层上详细分析了3种现有的有线网络与无线通信网络之间不同的集成模式.然后,提出了一种能够包括3个子网段的协议转换器架构模型W1CN-H,详细描述了共享数据区的结构和设计,通过数据映射和数据转换机制进行数据的控制管理,分析了无线网段WICN与有线网段PROFIBUS-DP和MODBUS间的数据通信过程.最后,定义了控制循环周期参数来反映从传感器到控制器再到执行器的传输时延,并通过5个不同的验证实验对异构网络和协议转换器的实时性能进行了评估.实验表明控制循环周期小于60ms,系统能够满足工业控制的实时性能需求.     

Application of hybrid neural network in discharge coefficient prediction of triangular labyrinth weir

Discharge coefficient (C_d) is an important parameter of triangular labyrinth weir. It is of great significance to predict the discharge coefficient accurately. In this research, in order to more accurately predict the C_d, in view of the traditional BP neural network is easy to fall into the local minimum in the training process, genetic algorithm (GA) and particle swarm optimization (PSO) are employed to optimize the traditional BP neural network's initial weights and thresholds. Nonlinear regression analysis (NLR) is also added to compare with these intelligent methods and four discharge coefficient prediction models are built, namely the NLR, the BPNN, the GA-BPNN and the PSO-BPNN. After the completion of the model construction, in order to objectively evaluate the performance of these models, the prediction results of these models are compared with the experiment results, and the determination coefficient (R²), the mean absolute error (MAE) and the root mean square error (RMSE) are introduced as the performance indicators to quantify the model performance. The results show that the accuracy and stability of the NLR are much worse than that of the intelligent models. The prediction results of the GA-BPNN and the PSO-BPNN are quite accurate with a higher decision coefficient than the BPNN. Moreover, the MAEs and the RMSEs of the GA-BPNN and the PSO-BPNN were significantly reduced by 25 and 40% compared with BPNN, respectively, and the maximum prediction errors were 4.4% and 2.6%, severally. Meanwhile, the width of error uncertainty band of GA-BPNN and PSO-BPNN is narrower than BPNN. By comparing GA-BPNN and PSO-BPNN with the discharge coefficient prediction models of triangular labyrinth weir in previous literatures, it is found that the mean absolute percentage error (MAPE) values of GA-BPNN and PSO-BPNN are 1.504% and 1.225% respectively, which are lower than other existing models. At the same time, the other performance indexes are better than most existing models, indicating that the genetic algorithm and PSO algorithm are more effective than the traditional BP algorithm in adjusting BP neural network parameters, easier to find the global optimal value, and improve the prediction accuracy and applicability of the model.