| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 工业物料成分在线分析技术与应用 | 第9-11页 |
| 1.1.1 工业物料成分在线分析技术 | 第9-11页 |
| 1.1.2 基于PGNAA技术的在线检测装置研究现状 | 第11页 |
| 1.2 铁矿石、烧结矿成分测定现状 | 第11-12页 |
| 1.3 烧结矿化学成分控制与研究现状 | 第12-14页 |
| 1.4 本文主要内容及组织结构 | 第14-16页 |
| 第2章 物料成分实时采集系统设计与数据分析 | 第16-32页 |
| 2.1 烧结生产过程及数据实时采集要求 | 第16-18页 |
| 2.1.1 烧结矿生产工艺流程 | 第16-17页 |
| 2.1.2 生产过程中的实时采集系统要求 | 第17-18页 |
| 2.2 烧结生产物料数据的在线采集系统设计 | 第18-22页 |
| 2.2.1 工业物料在线检测装置及原理 | 第18-19页 |
| 2.2.2 数据通信网络设计 | 第19-20页 |
| 2.2.3 在线采集系统结构 | 第20-22页 |
| 2.3 烧结物料数据分析处理 | 第22-31页 |
| 2.3.1 实测数据与需求数据对比分析 | 第22-23页 |
| 2.3.2 实测数据与需求数据转换 | 第23-27页 |
| 2.3.3 数据限幅平均滤波及异常处理 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 烧结矿化学成分优化控制方法研究 | 第32-50页 |
| 3.1 烧结矿化学成分控制的方法 | 第32-33页 |
| 3.2 基于LP算法的烧结配比优化模型 | 第33-40页 |
| 3.2.1 线性规划算法原理 | 第34-35页 |
| 3.2.2 中和矿配比优化模型 | 第35-37页 |
| 3.2.3 混合料配比优化模型 | 第37-40页 |
| 3.3 基于BP神经网络的烧结矿化学成分预测模型 | 第40-46页 |
| 3.3.1 神经网络原理 | 第41-42页 |
| 3.3.2 烧结矿化学成分预测模型结构 | 第42-43页 |
| 3.3.3 预测模型自适应学习与训练 | 第43-46页 |
| 3.4 烧结矿化学成分区间优化控制 | 第46-49页 |
| 3.4.1 烧结关键指标调控过程 | 第46-47页 |
| 3.4.2 区间优化策略 | 第47-48页 |
| 3.4.3 调整规则 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 监控系统的软硬件设计与实现 | 第50-68页 |
| 4.1 系统总体结构 | 第50-51页 |
| 4.2 烧结成分监控系统硬件设计 | 第51-53页 |
| 4.2.1 系统硬件结构 | 第52页 |
| 4.2.2 系统硬件配置 | 第52-53页 |
| 4.3 烧结成分在线监控系统组态软件设计 | 第53-57页 |
| 4.3.1 应用软件模块功能 | 第54-56页 |
| 4.3.2 烧结矿化学成分优化控制算法 | 第56-57页 |
| 4.4 系统数据通讯网络技术及实现 | 第57-60页 |
| 4.5 系统运行效果 | 第60-67页 |
| 4.5.1 主界面 | 第60-64页 |
| 4.5.2 系统运行结果分析 | 第64-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 结论与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录1 攻读硕士学位期间取得的成果 | 第74-75页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第75页 |