| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 选题背景和意义 | 第13页 |
| 1.2 氧化铝焙烧发展现状 | 第13-16页 |
| 1.3 自动控制系统发展现状 | 第16-17页 |
| 1.4 智能算法发展现状 | 第17-19页 |
| 1.4.1 极限学习机算法研究现状 | 第17-18页 |
| 1.4.2 粒子群算法研究现状 | 第18-19页 |
| 1.4.3 遗传算法研究现状 | 第19页 |
| 1.5 氧化铝焙烧过程中存在的主要问题 | 第19-20页 |
| 1.6 本文的主要工作及结构安排 | 第20-22页 |
| 第二章 氧化铝焙烧过程分析 | 第22-29页 |
| 2.1 氧化铝生产工艺概述 | 第22-24页 |
| 2.2 氧化铝焙烧过程工艺描述 | 第24-26页 |
| 2.3 影响氧化铝焙烧过程的主要因素 | 第26-28页 |
| 2.3.1 下料量的影响 | 第26-27页 |
| 2.3.2 焙烧温度的影响 | 第27页 |
| 2.3.3 过剩氧含量的影响 | 第27页 |
| 2.3.4 系统负压的影响 | 第27-28页 |
| 2.4 氧化铝焙烧过程控制方案 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 氧化铝焙烧温度预测模型 | 第29-43页 |
| 3.1 预测模型输入变量选择 | 第29-32页 |
| 3.1.1 基于工艺过程的机理分析 | 第29-30页 |
| 3.1.2 基于灰色理论的参数综合关联度分析 | 第30-32页 |
| 3.2 实验数据预处理 | 第32-33页 |
| 3.3 建立氧化铝焙烧温度预测模型 | 第33-40页 |
| 3.3.1 基于BP神经网络的焙烧温度预测模型 | 第33-35页 |
| 3.3.2 基于ELM的焙烧温度预测模型 | 第35-38页 |
| 3.3.3 基于改进PSO优化ELM的焙烧温度预测模型 | 第38-40页 |
| 3.4 三种焙烧温度预测模型仿真结果比较 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于遗传算法的氧化铝焙烧工况优化模型 | 第43-48页 |
| 4.1 建立工况优化模型 | 第43-44页 |
| 4.2 求解工况优化模型 | 第44-46页 |
| 4.3 工况优化模型仿真及实验结果 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于DCS的氧化铝焙烧过程控制系统设计 | 第48-70页 |
| 5.1 氧化铝焙烧过程控制系统要求 | 第48-49页 |
| 5.2 基于DCS的氧化铝焙烧过程控制系统结构 | 第49-54页 |
| 5.2.1 生产控制层结构与功能 | 第49-51页 |
| 5.2.2 生产优化层结构与功能 | 第51-52页 |
| 5.2.3 生产管理层结构与功能 | 第52-54页 |
| 5.3 氧化铝焙烧过程控制系统回路设计 | 第54-58页 |
| 5.3.1 过剩氧含量控制回路 | 第54-55页 |
| 5.3.2 焙烧温度控制回路 | 第55页 |
| 5.3.3 下料量控制回路 | 第55-56页 |
| 5.3.4 A02文丘里干燥温度控制回路 | 第56页 |
| 5.3.5 预热旋风筒P02出口烟道温度控制回路 | 第56-57页 |
| 5.3.6 烘炉过程控制回路 | 第57-58页 |
| 5.4 控制器参数整定与仿真 | 第58-63页 |
| 5.4.1 建立焙烧温度控制对象模型 | 第58-59页 |
| 5.4.2 传统PID控制器参数整定与仿真 | 第59-61页 |
| 5.4.3 BP神经网络PID控制器参数整定与仿真 | 第61-63页 |
| 5.5 控制系统硬件结构与功能 | 第63-67页 |
| 5.6 控制系统软件结构与功能 | 第67-69页 |
| 5.7 本章小结 | 第69-70页 |
| 第六章 氧化铝焙烧优化控制实验平台设计 | 第70-76页 |
| 6.1 高级过程控制系统仿真平台简介 | 第70-71页 |
| 6.2 焙烧温度优化控制系统仿真设计 | 第71-74页 |
| 6.3 焙烧温度控制仿真 | 第74-75页 |
| 6.4 本章小结 | 第75-76页 |
| 第七章 总结与展望 | 第76-78页 |
| 7.1 论文总结 | 第76页 |
| 7.2 工作展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间发表论文情况 | 第85页 |