生物氧化提金预处理中氧化槽温度控制系统故障诊断研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 引言 | 第7-8页 |
| 1.2 故障诊断研究现状 | 第8-12页 |
| 1.2.1 故障诊断综述 | 第8-11页 |
| 1.2.2 氧化槽温度故障诊断现状 | 第11-12页 |
| 1.3 本文主要研究内容及章节安排 | 第12-13页 |
| 第二章 生物氧化槽温度控制系统故障分析 | 第13-23页 |
| 2.1 研究背景描述 | 第13-15页 |
| 2.1.1 生物氧化提金预处理简介 | 第13-14页 |
| 2.1.2 温度在生物氧化预处理过程中的影响 | 第14-15页 |
| 2.2 氧化槽温度控制系统组成 | 第15-16页 |
| 2.3 氧化槽温控系统故障分析 | 第16-21页 |
| 2.3.1 氧化槽热量分析 | 第16-19页 |
| 2.3.2 故障检测点确定 | 第19-20页 |
| 2.3.3 故障类型确定 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 和声搜索算法及其改进 | 第23-36页 |
| 3.1 基本和声算法 | 第23-28页 |
| 3.1.1 和声算法的基本原理 | 第23-25页 |
| 3.1.2 和声搜索算法步骤 | 第25-28页 |
| 3.2 改进的和声搜索算法 | 第28-29页 |
| 3.3 引入学习策略的和声搜索算法 | 第29-32页 |
| 3.3.1 互相学习策略引入 | 第29-30页 |
| 3.3.2 HMCR与PAR的动态设计 | 第30页 |
| 3.3.3 算法流程 | 第30-32页 |
| 3.4 实验及结果分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 氧化槽温度系统故障诊断方法研究 | 第36-48页 |
| 4.1 氧化槽温度监测平台搭建 | 第36-37页 |
| 4.2 故障诊断策略 | 第37页 |
| 4.3 LHS优化BP神经网络 | 第37-41页 |
| 4.3.1 BP神经网络简述 | 第38-39页 |
| 4.3.2 基于LHS的BP神经网络参数优化 | 第39-41页 |
| 4.4 氧化槽温度控制系统故障诊断 | 第41-47页 |
| 4.4.1 数据处理及神经网络结构确定 | 第41-44页 |
| 4.4.2 LHS优化神经网络阈值权值 | 第44-45页 |
| 4.4.3 结果比对验证 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 结论与展望 | 第48-50页 |
| 5.1 结论 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
