| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外现状 | 第9-10页 |
| ·本文主要研究内容与创新 | 第10-12页 |
| ·本文主要研究内容 | 第10-11页 |
| ·本文创新处 | 第11-12页 |
| 2 电解铝工艺机理的分析 | 第12-18页 |
| ·铝电解基本原理 | 第12-13页 |
| ·铝电解工艺主要技术参数 | 第13-14页 |
| ·槽电阻控制 | 第14-15页 |
| ·氧化铝浓度控制 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 3 基于知识驱动的电解槽优化控制系统总体方案 | 第18-28页 |
| ·电解槽传统控制系统分析 | 第18-19页 |
| ·电解槽优化控制系统的需求分析 | 第19-22页 |
| ·铝电解优化控制系统总体解决方案 | 第22-27页 |
| ·铝电解槽工艺条件优化分析 | 第22-24页 |
| ·知识驱动技术分析 | 第24-25页 |
| ·电解槽优化控制系统的总体解决方案设计 | 第25-27页 |
| ·小结 | 第27-28页 |
| 4 基于知识驱动的电解槽状态识别与浓度测量系统设计 | 第28-52页 |
| ·电解槽运行状态识别的分析 | 第28-30页 |
| ·基于知识驱动的电解槽状态智能识别系统设计 | 第30-43页 |
| ·基于知识驱动的电解槽状态智能识别总体思路 | 第30-31页 |
| ·基于知识驱动的电解槽状态智能识别参数选择 | 第31-33页 |
| ·基于SOM 聚类分析的遗传BP 神经网络算法 | 第33-37页 |
| ·基于SOM 聚类分析的遗传BP 神经网络的模型 | 第37-40页 |
| ·电解槽运行状态识别仿真结果分析 | 第40-43页 |
| ·氧化铝浓度测量系统设计 | 第43-51页 |
| ·氧化铝浓度新型检测算法 | 第45-48页 |
| ·氧化铝浓度测量结果分析 | 第48-51页 |
| ·小结 | 第51-52页 |
| 5 铝电解槽智能优化控制系统设计 | 第52-74页 |
| ·基于知识驱动的电解槽智能控制设计 | 第53-72页 |
| ·铝电解槽特征控制模型 | 第53-58页 |
| ·智能控制策略 | 第58-59页 |
| ·基于槽况与浓度的下料间隔推理算法设计 | 第59-63页 |
| ·基于仿人智能的辅助下料间隔推理算法设计 | 第63-70页 |
| ·基于知识驱动的模糊控制器算法设计 | 第70-72页 |
| ·基于知识驱动的优化控制仿真与现场应用 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 6 系统实现与效果分析 | 第74-82页 |
| ·网络系统构成 | 第74页 |
| ·硬件系统构成 | 第74-75页 |
| ·软件系统构成 | 第75-80页 |
| ·数据库和数据仓库设计 | 第75-77页 |
| ·程序功能模块 | 第77-80页 |
| ·系统应用效果分析 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 7 结论与展望 | 第82-84页 |
| ·全文总结 | 第82页 |
| ·展望 | 第82-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 附录 | 第90页 |
| A. 作者在攻读学位期间发表的论文目录 | 第90页 |
| B. 作者在攻读学位期间参与完成的科研项目及获奖情况 | 第90页 |