| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题研究的背景和意义 | 第11页 |
| ·过程建模及其常用方法 | 第11-15页 |
| ·机理建模 | 第11-12页 |
| ·辨识建模 | 第12-14页 |
| ·混合建模 | 第14-15页 |
| ·电解液成分建模中存在的问题和研究现状 | 第15页 |
| ·本文研究内容和结构 | 第15-17页 |
| 第二章 ISA电解系统的工作原理和过程分析 | 第17-25页 |
| ·电解铜生产概述 | 第17-19页 |
| ·反应机理 | 第17-18页 |
| ·铜电解精练生产过程 | 第18-19页 |
| ·影响电解铜质量因素分析 | 第19-22页 |
| ·阳极铜对电解铜质量的影响 | 第19-20页 |
| ·电解液组成对电解铜质量的影响 | 第20-21页 |
| ·表面气孔和粒子的生成 | 第21页 |
| ·温度的影响 | 第21页 |
| ·添加剂对电解铜质量的影响 | 第21-22页 |
| ·影响铜酸浓度的因素分析 | 第22-24页 |
| ·阳极铜 | 第22页 |
| ·电解液循环系统 | 第22-23页 |
| ·其他影响因素 | 第23-24页 |
| ·铜酸浓度建模方案 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 T-S型RBF神经网络 | 第25-49页 |
| ·概述 | 第25-26页 |
| ·T-S模糊系统模型 | 第26-31页 |
| ·马丹尼(Mamdani)模糊推理系统 | 第27-28页 |
| ·高木-关野(Takagi-Sugeno)模糊推理模型 | 第28-29页 |
| ·T-S模糊系统辨识 | 第29-31页 |
| ·RBF神经网络 | 第31-37页 |
| ·RBF神经网络简介 | 第31-32页 |
| ·RBF网络的模型特点与结构 | 第32-34页 |
| ·RBF网络常见的学习方法 | 第34-37页 |
| ·T-S型RBF神经网络 | 第37-39页 |
| ·T-S型模糊推理系统与RBF神经网络的函数等价性 | 第37-38页 |
| ·T-S型RBF神经网络模型 | 第38页 |
| ·T-S型RBF神经网络与RBF神经网络的比较 | 第38-39页 |
| ·T-S型RBF神经网络的动态学习改进算法 | 第39-44页 |
| ·网络构造 | 第40-42页 |
| ·精细调整过程 | 第42-43页 |
| ·算法实现 | 第43-44页 |
| ·仿真研究 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 电解液成分混合模型 | 第49-61页 |
| ·电解液成分机理模型 | 第49-50页 |
| ·铜离子浓度 | 第49-50页 |
| ·硫酸成分的变化 | 第50页 |
| ·T-S型RBF神经网络补偿模型 | 第50-55页 |
| ·网络结构 | 第51-52页 |
| ·网络对象 | 第52-53页 |
| ·自定义训练函数 | 第53-54页 |
| ·学习能力与泛化能力分析 | 第54-55页 |
| ·数据处理 | 第55-56页 |
| ·数据预处理 | 第55页 |
| ·数据标准化处理 | 第55-56页 |
| ·电解液成分混合模型 | 第56-58页 |
| ·仿真结果 | 第58-60页 |
| ·模型校正 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第五章 结论与展望 | 第61-63页 |
| ·论文工作总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |