| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第9-12页 |
| 1.1 课题研究的背景和意义 | 第9页 |
| 1.2 浮选经济指标的理论研究及国内外发展现状 | 第9-10页 |
| 1.2.1 浮选经济指标的理论研究 | 第9-10页 |
| 1.2.2 国内外研究现状 | 第10页 |
| 1.3 论文的各章节安排 | 第10-12页 |
| 2.浮选工艺原理及发展过程 | 第12-17页 |
| 2.1 浮选工艺理论概述 | 第12-14页 |
| 2.2 浮选基本概况 | 第14-15页 |
| 2.2.1 浮选中对精矿品位测量的方法 | 第14页 |
| 2.2.2 影响浮选的因素 | 第14-15页 |
| 2.3 浮选工艺的演变 | 第15-17页 |
| 2.3.1 阶段磨矿和粗细分选工艺 | 第15页 |
| 2.3.2 联合工艺及泡沫分选 | 第15-17页 |
| 3.混沌时间序列与RBF神经网络的建模与控制 | 第17-22页 |
| 3.1 混沌的定义以及方法 | 第17-19页 |
| 3.2 经典混沌系统 | 第19页 |
| 3.3 RBF神经网络（径向基函数）结构 | 第19-21页 |
| 3.3.1 RBF神经网络模型的结构 | 第19-20页 |
| 3.3.2 RBF神经网络的分类 | 第20-21页 |
| 3.4 RBF神经网络常用函数 | 第21-22页 |
| 3.4.1 高斯函数 | 第21-22页 |
| 4.混沌系统的相空间重构 | 第22-36页 |
| 4.1 混沌时间序列的相空间重构 | 第22-27页 |
| 4.1.1 相空间重构发展历程 | 第22页 |
| 4.1.2 嵌入定理 | 第22-23页 |
| 4.1.3 嵌入维数的确定 | 第23页 |
| 4.1.4 虚假临近点法 | 第23-24页 |
| 4.1.5 延时时间τ的确定 | 第24-27页 |
| 4.2 典型混沌系统 | 第27-30页 |
| 4.2.1 Mackey-Glass混沌系统定义 | 第27-28页 |
| 4.2.2 Lorenz混沌系统定义 | 第28-30页 |
| 4.3 利用混沌蚁群算法优化RBF神经网络 | 第30-35页 |
| 4.3.1 混沌蚁群优化算法 | 第30页 |
| 4.3.2 混沌蚁群算法的特点 | 第30-33页 |
| 4.3.3 混沌蚁群优化算法的数学模型 | 第33页 |
| 4.3.4 利用混沌蚁群优化算法训练 RBF 神经网络的步骤 | 第33页 |
| 4.3.5 模拟仿真 | 第33-35页 |
| 4.4 本章小结 | 第35-36页 |
| 5.仿真实验及其设计 | 第36-43页 |
| 5.1 仿真实验的设计流程 | 第36页 |
| 5.1.1 混沌系统的归一化 | 第36页 |
| 5.2 仿真实验结果 | 第36-42页 |
| 5.2.1 Mackey-Glass方程仿真 | 第37-39页 |
| 5.2.2 Lorenz方程仿真 | 第39-42页 |
| 5.3 本章小结 | 第42-43页 |
| 6.浮选经济指标的预测 | 第43-48页 |
| 6.1 浮选精矿指标预测模型 | 第43-44页 |
| 6.2 实验仿真 | 第44-47页 |
| 6.2.1 在MATLAB环境下编译函数 | 第44页 |
| 6.2.2 数据的采集及整理 | 第44-45页 |
| 6.2.3 预测仿真步骤 | 第45-47页 |
| 6.3 结论 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 作者简介 | 第53-54页 |