| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第8-9页 |
| 第二章 文献综述 | 第9-23页 |
| 2．1 热工制度与制品微结构的关系 | 第9-12页 |
| 2．1．1 温度制度对产品的性能影响 | 第9页 |
| 2．1．2 窑内压力与制品品质的关系 | 第9-11页 |
| 2．1．3 气氛对制品烧成的制约 | 第11-12页 |
| 2．2 目前我国燃气梭式窑的烧成工艺状况 | 第12-14页 |
| 2．3 燃气梭式窑热工参数的控制 | 第14-16页 |
| 2．3．1 温度控制 | 第14-15页 |
| 2．3．2 压力控制 | 第15-16页 |
| 2．3．3 气氛控制 | 第16页 |
| 2．4 燃气梭式窑的控制算法 | 第16-23页 |
| 2．4．1 PID控制 | 第16-17页 |
| 2．4．2 模糊控制 | 第17-20页 |
| 2．4．3 软计算与人工智能控制 | 第20-23页 |
| 第三章 燃气梭式窑数学模型 | 第23-40页 |
| 3．1 梭式窑的结构特点 | 第24-25页 |
| 3．2 燃气梭式窑系统解析数学模型确定的困难 | 第25-26页 |
| 3．2．1 烧成工艺需按设定烧成曲线时变控制 | 第25页 |
| 3．2．2 温度对象滞后性和大惯性 | 第25页 |
| 3．2．3 温区划分合理性 | 第25-26页 |
| 3．2．4 系统参数耦合严重 | 第26页 |
| 3．3 燃气梭式窑研究中所涉及的相关模型 | 第26-39页 |
| 3．3．1 经典控制模型——过程传递函数 | 第27页 |
| 3．3．2 温区热平衡数学模型的建立 | 第27-33页 |
| 3．3．3 梭式窑系统人工神经网络模型智能模型的建立 | 第33-39页 |
| 3．4 本章小结 | 第39-40页 |
| 第四章 进化算法对梭式窑烧成空燃比的在线优化 | 第40-52页 |
| 4．1 空燃比是保证梭式窑动态烧成的关键 | 第40-41页 |
| 4．2 空燃比调整的常规算法 | 第41-42页 |
| 4．2．1 算法流程 | 第41页 |
| 4．2．2 算法仿真 | 第41-42页 |
| 4．2．3 结果分析 | 第42页 |
| 4．3 遗传算法对空燃比寻优的所需考虑的基本问题 | 第42-43页 |
| 4．3．1 以窑炉神经网络智能模型为载体 | 第42页 |
| 4．3．2 以窑炉温度和温度变化率为适应度函数 | 第42-43页 |
| 4．3．3 空燃比的编码和遗传操作 | 第43页 |
| 4．4 遗传算法对空燃比的大规模寻优 | 第43-45页 |
| 4．4．1 遗传算法对空燃比寻优的算法流程 | 第43-44页 |
| 4．4．2 遗传算法对空燃比寻优的实现的准备 | 第44-45页 |
| 4．5 遗传算法对空燃比寻优的仿真与结果分析 | 第45-50页 |
| 4．5．1 仿真步骤 | 第45-46页 |
| 4．5．2 仿真结果分析 | 第46-50页 |
| 4．6 对遗传算法对梭式窑空燃比寻优的实现应该注意采取的措施 | 第50-51页 |
| 4．7 本章小结 | 第51-52页 |
| 第五章 模糊控制规则在梭式窑烧成控制的自适应获取 | 第52-64页 |
| 5．1 梭式窑系统模糊控制规则的重要性 | 第52页 |
| 5．2 模糊控制规则的获取方式 | 第52-53页 |
| 5．3 模糊控制规则自适应获取的实现 | 第53-57页 |
| 5．3．1 模糊控制规则自适应获取需要的工具 | 第53页 |
| 5．3．2 ANFIS自学习生成模糊控制规则 | 第53-57页 |
| 5．3．3 仿真结果讨论 | 第57页 |
| 5．4 自适应神经网络生成梭式窑模糊控制系统的仿真及其结果分析 | 第57-62页 |
| 5．4．1 仿真步骤 | 第58-60页 |
| 5．4．2 验证结果分析 | 第60-62页 |
| 5．5 本章小结 | 第62-64页 |
| 第六章 结论与展望 | 第64-68页 |
| 6．1 结论 | 第64-65页 |
| 6．2 展望 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 发表论文 | 第73-74页 |
| 作者简介 | 第74页 |
