基于改进BP神经网络在氧化球团回转窑温度控制系统中研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-16页 |
| ·课题背景及研究意义 | 第10页 |
| ·球团生产工艺分析 | 第10-12页 |
| ·氧化球团生产工艺 | 第10-12页 |
| ·回转窑温度影响因素 | 第12页 |
| ·国内外研究情况 | 第12-15页 |
| ·回转窑温度检测现状 | 第12-14页 |
| ·温度大滞后过程控制现状 | 第14-15页 |
| ·课题的研究方法及论文的章节安排 | 第15-16页 |
| 2. 人工神经网络与遗传算法基本理论 | 第16-29页 |
| ·人工神经网络结构与类型 | 第16-17页 |
| ·人工神经网络结构模型 | 第16-17页 |
| ·人工神经网络结构 | 第17页 |
| ·BP 神经网络 | 第17-24页 |
| ·BP 网络神经元结构模型 | 第18页 |
| ·BP 网络的学习算法 | 第18-22页 |
| ·BP 算法的不足及其改进 | 第22-24页 |
| ·遗传算法 | 第24-28页 |
| ·遗传算法原理 | 第24页 |
| ·遗传算法流程 | 第24-25页 |
| ·遗传编码 | 第25页 |
| ·适应度函数 | 第25-26页 |
| ·遗传算子 | 第26-28页 |
| ·遗传算法的优点与不足 | 第28页 |
| ·结论 | 第28-29页 |
| 3. 温度预测模型建立前的数据处理 | 第29-36页 |
| ·样本数据的采集 | 第29-30页 |
| ·基于过失误差侦破法数据处理 | 第30-32页 |
| ·基于控制图法的实时数据预处理 | 第32-35页 |
| ·结论 | 第35-36页 |
| 4. 温度预测模型的建立与仿真 | 第36-46页 |
| ·辅助变量选取与模型结构确立 | 第36页 |
| ·遗传算法优化BP 神经网络 | 第36-39页 |
| ·遗传优化BP 神经网络算法实现 | 第37-39页 |
| ·遗传算法优化神经算法步骤 | 第39页 |
| ·预测仿真研究 | 第39-45页 |
| ·模型的建立 | 第39-40页 |
| ·网络参数的选择与仿真 | 第40-45页 |
| ·结论 | 第45-46页 |
| 5. 窑温控制算法与仿真研究 | 第46-63页 |
| ·控制系统结构 | 第46页 |
| ·模糊控制算法 | 第46-51页 |
| ·模糊控制理论 | 第47-49页 |
| ·模糊控制系统结构组成 | 第49-51页 |
| ·模糊PID 控制器的设计 | 第51-60页 |
| ·系统输入输出变量的确定 | 第51-52页 |
| ·模糊控制规则的设计与建立 | 第52-55页 |
| ·模糊控制决策 | 第55-60页 |
| ·仿真研究 | 第60-62页 |
| ·结论 | 第62-63页 |
| 6. 结论与展望 | 第63-64页 |
| ·总结 | 第63页 |
| ·工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
