| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11页 |
| 1.2 湿法冶金浸出过程概述 | 第11-14页 |
| 1.2.1 湿法冶金概述 | 第11-12页 |
| 1.2.2 浸出过程概述 | 第12-14页 |
| 1.3 浸出过程工艺发展现状 | 第14-16页 |
| 1.4 浸出过程自动化技术发展现状 | 第16-18页 |
| 1.4.1 浸出过程建模优化发展现状 | 第16-17页 |
| 1.4.2 浸出过程自动控制发展现状 | 第17-18页 |
| 1.5 本文主要工作 | 第18-19页 |
| 第2章 浸出过程机理模型 | 第19-37页 |
| 2.1 氰化浸出过程基本原理 | 第19-24页 |
| 2.1.1 氰化浸出反应方程 | 第19-21页 |
| 2.1.2 影响浸出过程的因素 | 第21-24页 |
| 2.2 浸出过程机理模型 | 第24-30页 |
| 2.2.1 建模思路 | 第24-25页 |
| 2.2.2 单级浸出机理模型 | 第25-27页 |
| 2.2.3 多级浸出机理模型 | 第27-29页 |
| 2.2.4 机理模型参数的确定 | 第29-30页 |
| 2.3 模型仿真分析 | 第30-35页 |
| 2.3.1 模型验证 | 第30-32页 |
| 2.3.2 输入量对浸出过程影响 | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于遗传神经网络的浸出过程混合模型 | 第37-53页 |
| 3.1 混合模型概述 | 第37-38页 |
| 3.2 基于遗传神经网络的误差补偿混合模型 | 第38-46页 |
| 3.2.1 BP神经网络 | 第38-42页 |
| 3.2.2 遗传算法 | 第42-44页 |
| 3.2.3 基于遗传算法的BP神经网络权值优化算法 | 第44-45页 |
| 3.2.4 基于遗传神经网络的浸出过程误差补偿混合模型 | 第45-46页 |
| 3.3 仿真分析 | 第46-51页 |
| 3.3.1 数据预处理 | 第47-48页 |
| 3.3.2 混合模型参数 | 第48-49页 |
| 3.3.3 混合模型仿真结果及分析 | 第49-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第4章 基于遗传粒子群算法的浸出过程优化 | 第53-65页 |
| 4.1 浸出过程优化问题概述 | 第53-54页 |
| 4.2 浸出过程优化模型的建立 | 第54-55页 |
| 4.2.1 目标函数的确定 | 第54页 |
| 4.2.2 决策变量的选取 | 第54-55页 |
| 4.2.3 约束条件 | 第55页 |
| 4.3 优化模型的求解算法 | 第55-60页 |
| 4.3.1 粒子群算法 | 第56-57页 |
| 4.3.2 遗传算法与粒子群算法比较 | 第57-58页 |
| 4.3.3 遗传粒子群算法 | 第58-60页 |
| 4.4 浸出过程优化仿真分析 | 第60-64页 |
| 4.4.1 仿真参数 | 第60-61页 |
| 4.4.2 仿真结果 | 第61-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 湿法冶金浸出过程优化控制平台的设计与实现 | 第65-77页 |
| 5.1 优化控制系统的总体结构 | 第65-68页 |
| 5.1.1 系统的硬件结构 | 第65-66页 |
| 5.1.2 系统的软件结构 | 第66-68页 |
| 5.2 优化控制平台的数据通信 | 第68-71页 |
| 5.2.1 平台与PLC通信连接 | 第69页 |
| 5.2.2 平台与数据库接口通信 | 第69-70页 |
| 5.2.3 平台与MATLAB算法通信 | 第70-71页 |
| 5.3 浸出过程优化控制操作平台界面设计 | 第71-76页 |
| 5.3.1 平台登录界面设计 | 第71-72页 |
| 5.3.2 浸出子界面及功能 | 第72-75页 |
| 5.3.3 浸出监控界面 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |