摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-13页 |
1.1 课题背景及研究的目的和意义 | 第10页 |
1.2 水泥回转窑温度控制方法的国内外研究现状 | 第10-12页 |
1.2.1 国外研究现状 | 第10-11页 |
1.2.2 国内研究现状 | 第11-12页 |
1.3 本设计完成的主要工作 | 第12-13页 |
第2章 水泥回转窑温度影响因素分析及系统设计方案 | 第13-18页 |
2.1 新型干法水泥生产工艺流程 | 第13-14页 |
2.2 水泥回转窑工艺流程 | 第14-15页 |
2.3 水泥回转窑温度的主要影响因素 | 第15-16页 |
2.4 控制目标和难点分析 | 第16页 |
2.5 水泥回转窑温度控制系统的总体设计方案 | 第16-17页 |
2.6 小结 | 第17-18页 |
第3章 基于图像处理的水泥回转窑温度测量 | 第18-44页 |
3.1 水泥回转窑温度测量方案的确定 | 第18页 |
3.2 数字图像处理基础知识 | 第18-19页 |
3.2.1 数字图像的感知和获取 | 第18-19页 |
3.2.2 数字图像的数据结构 | 第19页 |
3.3 图像去噪的基本方法 | 第19-20页 |
3.3.1 空间域滤波方法 | 第19-20页 |
3.3.2 变换域滤波方法 | 第20页 |
3.4 本文采用的图像去噪方法 | 第20-24页 |
3.4.1 自适应开关中值滤波 | 第20-21页 |
3.4.2 实验结果与分析 | 第21-24页 |
3.5 图像分割的基本方法 | 第24-26页 |
3.5.1 阈值分割 | 第24-25页 |
3.5.2 区域分割 | 第25页 |
3.5.3 边缘分割 | 第25页 |
3.5.4 基于特定理论的分割方法 | 第25-26页 |
3.6 本文采用的图像分割方法 | 第26-36页 |
3.6.1 基于搜寻者优化算法的K-means聚类算法 | 第26-28页 |
3.6.2 算法的基本流程 | 第28页 |
3.6.3 实验结果与分析 | 第28-36页 |
3.7 温度测量的基本方法 | 第36-38页 |
3.7.1 接触式测温法 | 第36-37页 |
3.7.2 非接触式测温法 | 第37-38页 |
3.8 本文采用的测温方法 | 第38-43页 |
3.8.1 神经网络比色测温法 | 第38-39页 |
3.8.2 BP神经网络法测温标定模型 | 第39-41页 |
3.8.3 实验结果与分析 | 第41-43页 |
3.9 小结 | 第43-44页 |
第4章 水泥回转窑温度的控制 | 第44-56页 |
4.1 水泥回转窑温度控制方案的确定 | 第44-45页 |
4.2 水泥回转窑温度控制系统的总体结构 | 第45-46页 |
4.3 基于Q-learning和ISOA的水泥回转窑温度控制 | 第46-55页 |
4.3.1 Q-learning | 第46页 |
4.3.2 ISOA | 第46-49页 |
4.3.3 基于Q-learning和ISOA的算法 | 第49页 |
4.3.4 Q学习系统的设计 | 第49-51页 |
4.3.5 基于Q-learning和ISOA的算法流程 | 第51-52页 |
4.3.6 实验结果与分析 | 第52-55页 |
4.4 小结 | 第55-56页 |
第5章 水泥回转窑温度控制系统实现 | 第56-70页 |
5.1 控制系统的总体设计 | 第56页 |
5.2 控制系统的硬件设计与实现 | 第56-58页 |
5.3 控制系统的软件设计与实现 | 第58-61页 |
5.3.1 软件功能设计 | 第58页 |
5.3.2 OPC通讯设计 | 第58-59页 |
5.3.3 PLC控制程序设计 | 第59-61页 |
5.4 用户监控软件界面的设计 | 第61-69页 |
5.4.1 软件框架 | 第61-62页 |
5.4.2 软件初始化 | 第62-64页 |
5.4.3 软件设置 | 第64-66页 |
5.4.4 温度测量 | 第66-67页 |
5.4.5 控制量和被控量数据录入 | 第67-68页 |
5.4.6 温度控制 | 第68页 |
5.4.7 效果检验 | 第68-69页 |
5.5 小结 | 第69-70页 |
第6章 结论 | 第70-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-78页 |
作者简介 | 第78-79页 |
攻读硕士学位期间研究成果 | 第79页 |