| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 分解炉燃烧控制研究现状 | 第14-16页 |
| 1.3 T-S模糊神经网络研究进展 | 第16-17页 |
| 1.4 本文的研究内容和章节安排 | 第17-19页 |
| 第2章 预分解工艺以及模糊神经网络概述 | 第19-38页 |
| 2.1 引言 | 第19页 |
| 2.2 新型干法水泥生产过程简介 | 第19-21页 |
| 2.3 水泥预分解工艺简介 | 第21-22页 |
| 2.4 分解炉的工作原理 | 第22-23页 |
| 2.4.1 分解炉的类型 | 第22页 |
| 2.4.2 分解炉的结构 | 第22-23页 |
| 2.5 影响分解炉温度因素分析 | 第23-25页 |
| 2.6 模糊控制 | 第25-27页 |
| 2.6.1 模糊控制的基本原理 | 第25-27页 |
| 2.6.2 模糊控制的优缺点 | 第27页 |
| 2.7 神经网络 | 第27-32页 |
| 2.7.1 人工神经元模型 | 第28-29页 |
| 2.7.2 神经网络的模型分类 | 第29页 |
| 2.7.3 BP神经网络 | 第29-30页 |
| 2.7.4 BP神经网络的学习算法 | 第30-32页 |
| 2.7.5 神经网络的优缺点 | 第32页 |
| 2.8 模糊神经网络 | 第32-37页 |
| 2.8.1 模糊系统与神经网络的区别 | 第33页 |
| 2.8.2 模糊系统与神经网络的结合机理 | 第33-34页 |
| 2.8.3 模糊神经网络控制器 | 第34-37页 |
| 2.9 小结 | 第37-38页 |
| 第3章 基于T-S模糊神经网络在分解炉温度控制 | 第38-55页 |
| 3.1 引言 | 第38页 |
| 3.2 分解炉温度控制难点分析 | 第38-39页 |
| 3.3 分解炉温度机理模型分析 | 第39-42页 |
| 3.4 LS-SVM建模方法的基本原理 | 第42-43页 |
| 3.5 基于LS-SVM的分解炉中部温度模型建立及仿真 | 第43-45页 |
| 3.5.1 数据预处理 | 第43页 |
| 3.5.2 模型建立及仿真 | 第43-45页 |
| 3.5.3 模型仿真结果分析 | 第45页 |
| 3.6 分解炉控制系统设计 | 第45-46页 |
| 3.7 T-S模糊神经网络控制器设计 | 第46-51页 |
| 3.7.1 网络结构与训练样本确定 | 第46-48页 |
| 3.7.2 模糊神经网络的学习算法 | 第48-50页 |
| 3.7.3 仿真结果 | 第50-51页 |
| 3.8 分解炉温度控制器仿真分析 | 第51-54页 |
| 3.9 小结 | 第54-55页 |
| 第4章 水泥分解炉优化燃烧控制系统设计 | 第55-64页 |
| 4.1 引言 | 第55页 |
| 4.2 集散控制系统(DCS)概述 | 第55-56页 |
| 4.3 分解炉优化燃烧控制系统的结构和功能 | 第56页 |
| 4.4 分解炉优化燃烧控制软件的结构和功能 | 第56-61页 |
| 4.4.1 开发环境 | 第56-58页 |
| 4.4.2 分解炉优化燃烧控制软件的总体功能设计 | 第58-59页 |
| 4.4.3 功能模块的开发 | 第59-61页 |
| 4.5 工业应用 | 第61-63页 |
| 4.6 小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录A 攻读学位期间所发表的学术论文与专利申请 | 第70-71页 |
| 致谢 | 第71页 |