湿法炼锌净液钴离子浓度在线检测及预测模型的研究与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·课题来源、研究背景及意义 | 第8-9页 |
| ·净液钴离子浓度在线检测与预测模型的研究现状 | 第9-15页 |
| ·湿法炼锌净化除钴方法 | 第10-11页 |
| ·痕量钴离子浓度在线检测 | 第11-13页 |
| ·钴离子浓度预测方法 | 第13-15页 |
| ·论文的主要研究内容与结构 | 第15-17页 |
| 第二章 湿法炼锌净化除钴工艺分析 | 第17-26页 |
| ·湿法炼锌生产工艺 | 第17-18页 |
| ·锌粉锑盐净化除钴过程工艺 | 第18-20页 |
| ·锌粉锑盐净化除钴过程主要影响因素分析 | 第20-23页 |
| ·锌粉锑盐净化除钴主要经济技术指标与问题 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 湿法炼锌净化I段后液钴离子浓度在线检测 | 第26-41页 |
| ·极谱法检测钴离子浓度的原理 | 第26-29页 |
| ·极谱法检测的主要影响因素分析 | 第29-30页 |
| ·基于极谱法的钴离子浓度在线检测 | 第30-31页 |
| ·钴离子浓度在线检测结果分析 | 第31-34页 |
| ·在线检测认可标准 | 第31-32页 |
| ·在线检测结果分析 | 第32-34页 |
| ·钴离子浓度在线检测误差补偿 | 第34-39页 |
| ·基于数据筛选的误差补偿 | 第34-36页 |
| ·基于最小二乘法的误差补偿 | 第36-37页 |
| ·温度误差补偿 | 第37-39页 |
| ·小结 | 第39-41页 |
| 第四章 湿法炼锌净化II段后液钴离子浓度预测模型 | 第41-57页 |
| ·人工神经网络 | 第41-43页 |
| ·II段后液钴离子浓度主要影响因素确定 | 第43-45页 |
| ·数据预处理 | 第45-49页 |
| ·基于专家知识库的样本选择 | 第45-48页 |
| ·样本数据时序关系 | 第48页 |
| ·数据归一化处理 | 第48-49页 |
| ·基于BP神经网络的钴离子浓度预测模型 | 第49-52页 |
| ·模型算法的确定 | 第49-51页 |
| ·BP网络结构及节点数的确定 | 第51-52页 |
| ·预测模型仿真与分析 | 第52-53页 |
| ·基于一种改进BP算法的钴离子浓度预测模型 | 第53-56页 |
| ·小结 | 第56-57页 |
| 第五章 净化II段钴离子浓度在线检测与预测系统 | 第57-66页 |
| ·系统需求分析与结构 | 第57-58页 |
| ·软件开发平台与工具 | 第58-60页 |
| ·软件设计与实现 | 第60-65页 |
| ·软件功能设计 | 第60-61页 |
| ·软件主要功能实现 | 第61-63页 |
| ·数据通讯设计与实现 | 第63-65页 |
| ·小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 结论 | 第66-67页 |
| 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要研究成果 | 第73页 |
