摘要 | 第1-4页 |
Abstract | 第4-9页 |
1 绪论 | 第9-27页 |
·球团烧结过程概述 | 第9-16页 |
·链蓖机-回转窑氧化球团烧结工艺 | 第10-12页 |
·球团烧结过程系统特性分析 | 第12-14页 |
·球团烧结过程检测和自动控制 | 第14-16页 |
·烧结过程数学模型的研究现状 | 第16-18页 |
·过程模拟模型 | 第17页 |
·参数优化模型 | 第17-18页 |
·过程控制模型 | 第18页 |
·人工智能技术在烧结过程控制中的研究与应用现状 | 第18-24页 |
·人工智能技术概述 | 第18-20页 |
·国外研究与应用的现状 | 第20-22页 |
·国内研究与应用的现状 | 第22-24页 |
·论文研究的主要内容 | 第24-27页 |
·研究课题的目的和意义 | 第24-25页 |
·本文的主要工作和内容安排 | 第25-27页 |
2 球磨机制粉系统多变量PID解耦控制 | 第27-53页 |
·引言 | 第27页 |
·球磨机制粉系统概述 | 第27-28页 |
·球磨机制粉系统特性分析 | 第28-31页 |
·煤粉制备系统的控制要求 | 第28-29页 |
·煤粉制备系统的控制现状 | 第29-31页 |
·基于粒子群优化算法的PID控制器设计 | 第31-40页 |
·粒子群优化算法 | 第31-32页 |
·粒子群优化算法整定PID控制器参数 | 第32-35页 |
·仿真研究 | 第35-40页 |
·球磨机制粉系统参数自整定多变量PID解耦控制 | 第40-46页 |
·多变量解耦PID控制策略 | 第40-41页 |
·数学模型的求取 | 第41-42页 |
·对角矩阵法解耦补偿器 | 第42-44页 |
·PID控制器设计 | 第44页 |
·比例因子α模糊自整定单元 | 第44-46页 |
·仿真结果与工业应用 | 第46-52页 |
·仿真结果 | 第46-49页 |
·工业应用实验 | 第49-52页 |
·小结 | 第52-53页 |
3 基于粗糙集的T-S模糊神经网络在回转窑烧结过程中的应用 | 第53-73页 |
·引言 | 第53页 |
·回转窑自动喷煤温度控制模型 | 第53-54页 |
·粗糙集的基本理论与基本算法 | 第54-57页 |
·粗糙集理论基本定义 | 第55-56页 |
·粗糙集理论基本算法 | 第56-57页 |
·基于粗糙集的模糊规则提取 | 第57-68页 |
·由样本数据产生初始的知识表达系统 | 第57-59页 |
·基于模糊C均值聚类的连续属性离散化 | 第59-66页 |
·对离散化后的信息表作知识约简 | 第66-68页 |
·基于约简规则的模糊神经网络实现 | 第68-69页 |
·工业应用实验 | 第69-71页 |
·小结 | 第71-73页 |
4 球团烧结生产过程的软测量建模 | 第73-94页 |
·引言 | 第73页 |
·软测量技术概述 | 第73-74页 |
·球团矿化学成分软测量建模研究现状 | 第74-76页 |
·基于物料平衡的软测量建模 | 第74-75页 |
·基于时间序列的软测量建模 | 第75页 |
·基于神经网络的软测量建模 | 第75页 |
·基于灰色系统的软测量建模 | 第75-76页 |
·球团矿化学成分软测量建模 | 第76-86页 |
·软测量模型辅助变量的选取 | 第76-77页 |
·建模前输入数据的预处理 | 第77-78页 |
·基于T-S模糊推理系统的软测量建模 | 第78-86页 |
·球团烧结过程状态控制系统 | 第86-90页 |
·粗糙集控制的基本思想 | 第87-88页 |
·球团烧结过程状态控制系统的实现 | 第88-90页 |
·仿真结果和工业实验 | 第90-93页 |
·软测量模型的仿真结果 | 第90-93页 |
·球团烧结过程状态控制系统的工业实验 | 第93页 |
·小结 | 第93-94页 |
5 球团烧结过程智能控制系统的工业应用 | 第94-105页 |
·引言 | 第94页 |
·球团烧结生产过程控制系统 | 第94-100页 |
·设备控制级 | 第96页 |
·过程监控级 | 第96-98页 |
·球团烧结过程智能控制系统 | 第98-100页 |
·工业应用实验 | 第100-104页 |
·球团矿质量优化控制 | 第100-104页 |
·经济效益与社会效益 | 第104页 |
·小结 | 第104-105页 |
结论 | 第105-107页 |
参考文献 | 第107-114页 |
攻读博士学位期间发表学术论文情况 | 第114-115页 |
论文的主要创新点摘要 | 第115-116页 |
致谢 | 第116-117页 |
大连理工大学学位论文版权使用授权书 | 第117页 |