| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·氧化铝回转窑自动化实现过程中的技术难题及常规解决方案 | 第11-12页 |
| ·论文研究的主要内容和使用的理论 | 第12页 |
| ·论文主要内容及工作 | 第12-14页 |
| 第2章 预测控制算法在回转窑自动控制中的应用 | 第14-39页 |
| ·预测控制基本理论简介 | 第14-24页 |
| ·预测控制的基本原理 | 第14-15页 |
| ·预测控制系统的性能指标和滚动优化计算 | 第15-17页 |
| ·动态矩阵控制(DMC) | 第17-18页 |
| ·模型算法控制(MAC) | 第18-19页 |
| ·广义预测控制(GPC) | 第19-21页 |
| ·多变量预测控制 | 第21-22页 |
| ·智能预测控制系统 | 第22-24页 |
| ·基于灰色干扰预测的预测控制系统 | 第24-32页 |
| ·传统预测控制结构的改进 | 第24-26页 |
| ·误差的分析与预测 | 第26-27页 |
| ·灰色预测在误差校正中的应用 | 第27-29页 |
| ·实验 | 第29-32页 |
| ·小结 | 第32页 |
| ·广义预测控制简易算法 | 第32-35页 |
| ·广义预测控制系统中预测模型的物理意义 | 第32-33页 |
| ·传统广义预测模型的更改 | 第33-34页 |
| ·滚动优化计算的计算公式 | 第34-35页 |
| ·小结 | 第35页 |
| ·氧化铝回转窑预测控制系统实验 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第3章 烧成带温度的软计算预测 | 第39-58页 |
| ·BP神经网络基本理论 | 第39-41页 |
| ·BP神经网络基本结构 | 第39-40页 |
| ·BP神经网络的训练算法 | 第40-41页 |
| ·模糊神经网络 | 第41-46页 |
| ·T-S型模糊RBF神经网络简述 | 第41-43页 |
| ·T-S型模糊RBF神经网络训练的改进算法 | 第43-45页 |
| ·仿真实验 | 第45-46页 |
| ·混合专家模型算法 | 第46-55页 |
| ·混合专家模型简述 | 第46-47页 |
| ·一种混合专家模型及其训练算法 | 第47-48页 |
| ·混合专家模型的训练算法 | 第48-52页 |
| ·仿真实验 | 第52-55页 |
| ·烧成带温度的软计算预测的仿真结果 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 基于委员会机器的窑前喂煤量智能决策器 | 第58-70页 |
| ·BP神经网络分类器 | 第58-59页 |
| ·静态委员会机器 | 第59-62页 |
| ·基于Adaboost算法的静态委员会机器 | 第60-61页 |
| ·基于BP神经网络的Adaboost算法静态委员会机器 | 第61-62页 |
| ·动态委员会机器 | 第62-67页 |
| ·一种适合分类的混合专家模型 | 第62-65页 |
| ·规则提取 | 第65-67页 |
| ·仿真实验 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 总结 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第75-76页 |
| 致谢 | 第76页 |