摘要 | 第6-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第13-20页 |
1.1 课题研究背景及意义 | 第13页 |
1.2 分形理论在矿石破碎中的应用 | 第13-15页 |
1.2.1 分形理论基础 | 第13-14页 |
1.2.2 分形理论在粒度表征中的应用 | 第14页 |
1.2.3 分形维数与破碎工艺参数的关系研究 | 第14-15页 |
1.2.4 团聚与分形维数 | 第15页 |
1.3 粉体的表征及其评价 | 第15-16页 |
1.3.1 对颗粒群的表征 | 第15-16页 |
1.3.2 对单颗粒的表征 | 第16页 |
1.4 实验设计及数据分析概述 | 第16-18页 |
1.4.1 实验设计方法概述 | 第16-17页 |
1.4.2 粒度分布函数回归分析方法概述 | 第17-18页 |
1.4.3 神经网络在预测中的应用 | 第18页 |
1.5 课题来源及主要研究内容 | 第18-20页 |
第2章 高炉渣球磨破碎实验及测量 | 第20-32页 |
2.1 高炉渣及破碎实验设备 | 第20-22页 |
2.2 高炉渣破碎实验 | 第22-25页 |
2.2.1 高炉渣破碎实验影响因素分析 | 第22-23页 |
2.2.2 正交实验设计 | 第23-24页 |
2.2.3 二次回归正交组合设计 | 第24-25页 |
2.2.4 破碎实验步骤 | 第25页 |
2.3 高炉渣粒度测量 | 第25-29页 |
2.3.1 高炉渣粒度测量设备 | 第25-26页 |
2.3.2 粒度测量实验 | 第26-29页 |
2.4 高炉渣图像信息提取及处理 | 第29-31页 |
2.5 本章小结 | 第31-32页 |
第3章 分形维数关系的实验验证 | 第32-42页 |
3.1 高炉渣体、面、线分形维数测量 | 第32-37页 |
3.1.1 Rosin-Rammler粒度分布函数拟合 | 第32-36页 |
3.1.2 体分形维数测量 | 第36页 |
3.1.3 面分形维数测量 | 第36页 |
3.1.4 线分形维数测量 | 第36-37页 |
3.2 高炉渣体、面、线分形维数测量结果 | 第37-38页 |
3.3 分形维数关系的实验验证 | 第38-40页 |
3.3.1 体和面分形维数关系实验验证 | 第38-39页 |
3.3.2 面和线分形维数关系实验验证 | 第39页 |
3.3.3 线和体分形维数关系实验验证 | 第39-40页 |
3.3.4 体、面和线分形维数关系实验验证 | 第40页 |
3.4 本章小结 | 第40-42页 |
第4章 球磨工艺参数与高炉渣分形维数关系 | 第42-54页 |
4.1 球磨工艺正交实验分析 | 第42-44页 |
4.2 球磨工艺参数与分形维数二次回归正交组合设计 | 第44-47页 |
4.3 高炉渣粒度特征参数与分形维数之间的关系 | 第47-49页 |
4.4 团聚与分形维数 | 第49-53页 |
4.4.1 团聚对体分形维数的影响 | 第49-50页 |
4.4.2 团聚对面和线分形维数的影响 | 第50-53页 |
4.5 本章小结 | 第53-54页 |
第5章 神经网络在分形维数预测中的应用 | 第54-63页 |
5.1 BP神经网络模型 | 第54-56页 |
5.1.1 节点输出模型 | 第54-55页 |
5.1.2 传递函数模型 | 第55页 |
5.1.3 误差计算模型 | 第55-56页 |
5.1.4 学习算法模型 | 第56页 |
5.2 预测体分形维数的BP神经网络设计 | 第56-58页 |
5.2.1 输入层输出层设计 | 第57页 |
5.2.2 隐含层设计 | 第57-58页 |
5.2.3 样本的选择及设计 | 第58页 |
5.3 体分形维数预测时神经网络参数选择 | 第58-60页 |
5.3.1 确定隐含层节点数目 | 第58-59页 |
5.3.2 确定传递函数 | 第59页 |
5.3.3 确定训练函数 | 第59页 |
5.3.4 确定学习函数步长 | 第59-60页 |
5.4 神经网络预测体分形维数 | 第60-62页 |
5.5 本章小结 | 第62-63页 |
结论 | 第63-65页 |
展望 | 第65-66页 |
参考文献 | 第66-70页 |
攻读硕士学位期间发表的论文和获得的科研成果 | 第70-71页 |
致谢 | 第71-72页 |