| 第一章 绪论 | 第1-20页 |
| 1．1 过程控制的发展与研究现状 | 第10-12页 |
| 1．1．1 过程控制的发展概述 | 第10-11页 |
| 1．1．2 过程控制的研究现状 | 第11-12页 |
| 1．2 工业过程稳态优化控制的研究进展 | 第12-16页 |
| 1．2．1 工业过程稳态优化控制的发展及存在的问题 | 第13-14页 |
| 1．2．2 人工智能在工业过程稳态优化控制中的应用 | 第14-16页 |
| 1．3 工业过程模型化研究的发展与现状 | 第16-17页 |
| 1．4 有色金属冶炼过程的控制现状 | 第17-18页 |
| 1．5 本论文的研究内容与结构安排 | 第18-20页 |
| 第二章 智能集成建模理论 | 第20-30页 |
| 2．1 智能集成建模理论的提出 | 第20-22页 |
| 2．1．1 智能集成建模是连续工业过程模型化研究的发展方向 | 第20-21页 |
| 2．1．2 连续工业过程的特点决定智能集成建模的必要性和可行性 | 第21-22页 |
| 2．2 智能集成建模理论的基本框架 | 第22-28页 |
| 2．2．1 基本概念 | 第22-23页 |
| 2．2．2 智能集成建模的形式和结构 | 第23-25页 |
| 2．2．3 智能集成建模的形式化描述 | 第25-28页 |
| 2．3 智能集成建模理论的工程实现 | 第28-29页 |
| 2．4 小结 | 第29-30页 |
| 第三章 基于神经网络的智能集成建模方法 | 第30-66页 |
| 3．1 神经网络的基本概念与发展 | 第30-31页 |
| 3．2 多层前向神经网络的结构、算法及研究现状 | 第31-33页 |
| 3．2．1 多层前向神经网络的结构和学习算法 | 第31-32页 |
| 3．2．2 多层前向神经网络的研究现状 | 第32-33页 |
| 3．3 多神经网络的集成建模方法 | 第33-43页 |
| 3．3．1 多神经网络的结构特点和研究现状 | 第33-36页 |
| 3．3．2 自适应监督式分布神经网络 | 第36-43页 |
| 3．4 神经网络与传统建模方法的集成 | 第43-47页 |
| 3．4．1 两类建模方法集成的必要性与可行性 | 第43-44页 |
| 3．4．2 两类建模方法的集成形式 | 第44-47页 |
| 3．5 神经网络与其它智能方法集成建模 | 第47-65页 |
| 3．5．1 由NN和FS的求解机理研究两者集成建模的可行性 | 第47-49页 |
| 3．5．2 NN与FS的集成形式 | 第49-50页 |
| 3．5．3 用模糊逻辑增强的神经网络 | 第50-54页 |
| 3．5．4 模糊系统的网络化集成建模方法 | 第54-65页 |
| 3．6 小结 | 第65-66页 |
| 第四章 锌电解过程分时供电的优化调度 | 第66-82页 |
| 4．1 锌电解过程工艺分析 | 第66-67页 |
| 4．2 锌电解条件试验结果分析 | 第67-69页 |
| 4．3 电流效率的模糊神经网络模型 | 第69-73页 |
| 4．4 锌电解分时供电优化模型 | 第73-74页 |
| 4．5 分时供电优化调度 | 第74-80页 |
| 4．5．1 等式约束和边界条件的处理 | 第74-75页 |
| 4．5．2 传统模拟退火方法 | 第75-77页 |
| 4．5．3 带变异操作和变搜索空间的单循环模拟退火算法 | 第77-79页 |
| 4．5．4 仿真研究 | 第79-80页 |
| 4．6 工业应用 | 第80-81页 |
| 4．7 小结 | 第81-82页 |
| 第五章 铅锌火法冶炼过程的建模与优化控制 | 第82-125页 |
| 5．1 过程描述与机理分析 | 第82-86页 |
| 5．2 铅锌冶炼过程的控制现状与存在问题 | 第86-89页 |
| 5．2．1 铅锌火法冶炼过程现有的过程控制 | 第87页 |
| 5．2．2 铅锌火法冶炼过程控制存在的问题 | 第87-89页 |
| 5．3 铅锌火法冶炼过程优化控制的总体设计 | 第89-95页 |
| 5．3．1 铅锌烧结过程优化参数的确定 | 第90-91页 |
| 5．3．2 鼓风熔炼过程优化参数的确定 | 第91-93页 |
| 5．3．3 过程优化控制的总体设计 | 第93-95页 |
| 5．4 铅锌火法冶炼过程的模型化研究 | 第95-115页 |
| 5．4．1 烧结块成分智能集成预测模型 | 第95-103页 |
| 5．4．2 基于神经网络和专家规则的块残硫软测量集成模型 | 第103-108页 |
| 5．4．3 烧穿点位置与透气性和台车速度的关系模型 | 第108-112页 |
| 5．4．4 透气性与批重和批次的输入加权式神经网络集成模型 | 第112-115页 |
| 5．5 基于智能集成模型的操作优化 | 第115-124页 |
| 5．5．1 烧结过程—配多目标优化计算 | 第115-119页 |
| 5．5．2 炉况正常时的鼓风炉透气性操作优化 | 第119-124页 |
| 5．6 小结 | 第124-125页 |
| 第六章 结论与展望 | 第125-127页 |
| 参考文献 | 第127-137页 |
| 附录一 攻博期间发表的论文 | 第137-138页 |
| 附录二 攻博期间从事的科研情况 | 第138-139页 |
| 致谢 | 第139页 |
