基于数据挖掘的海绵钛过程检测与控制策略研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的背景 | 第9页 |
| 1.2 国内外海绵钛生产控制情况 | 第9-10页 |
| 1.2.1 国外控制情况 | 第9页 |
| 1.2.2 国内控制情况 | 第9-10页 |
| 1.3 国内外相关课题研究现状 | 第10-12页 |
| 1.4 海绵钛应用领域及展望 | 第12-13页 |
| 1.5 主要研究内容 | 第13-15页 |
| 第2章 海绵钛优化控制问题的提出 | 第15-21页 |
| 2.1 海绵钛生产工艺简介 | 第15-16页 |
| 2.2 海绵钛质量及各生产指标的影响因素 | 第16-20页 |
| 2.3 数据的采集和处理 | 第20页 |
| 2.3.1 数据采集方式 | 第20页 |
| 2.3.2 数据的筛选方式 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 海绵钛生产过程中的数据挖掘 | 第21-34页 |
| 3.1 数据挖掘与知识发现 | 第21-22页 |
| 3.1.1 数据挖掘与知识发现的基本概念 | 第21页 |
| 3.1.2 数据挖掘基本过程 | 第21-22页 |
| 3.2 数据挖掘算法 | 第22-24页 |
| 3.3 支持向量机在海绵钛生产中的应用 | 第24-33页 |
| 3.3.1 支持向量机概念 | 第24-25页 |
| 3.3.2 支持向量机的线性分类及其求解 | 第25-27页 |
| 3.3.3 SVM中的核函数 | 第27-29页 |
| 3.3.4 SVM中的松弛变量 | 第29-30页 |
| 3.3.5 特征向量的设定 | 第30页 |
| 3.3.6 本文关于SVM预测产品合格与否的方案 | 第30-32页 |
| 3.3.7 实验仿真代码 | 第32页 |
| 3.3.8 实验结果 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 海绵钛过程控制的优化模型建立 | 第34-43页 |
| 4.1 主要控制过程及控制变量的设置 | 第34-35页 |
| 4.2 主要过程优化控制模型建立 | 第35-40页 |
| 4.2.1 加热带控制模型 | 第35-37页 |
| 4.2.2 自动鼓排风控制模型 | 第37页 |
| 4.2.3 自动加料控制模型 | 第37-38页 |
| 4.2.4 液面控制模型 | 第38-39页 |
| 4.2.5 反应器内压力控制模型 | 第39-40页 |
| 4.2.6 现场温度检测元件问题解决方案 | 第40页 |
| 4.3 还原生产工艺过程控制 | 第40-42页 |
| 4.4 蒸馏过程控制 | 第42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 控制系统的硬件选择与软件实现 | 第43-55页 |
| 5.1 输入和输出控制点的分配 | 第43-44页 |
| 5.2 控制系统的硬件选择 | 第44-46页 |
| 5.3 控制系统软件设计 | 第46-53页 |
| 5.3.1 CX-Programmer编程软件 | 第46-47页 |
| 5.3.2 NS系列PT人机界面 | 第47-48页 |
| 5.3.3 部分程序设计 | 第48-53页 |
| 5.4 结果分析 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 在学研究成果 | 第58-59页 |
| 致谢 | 第59页 |
