基于光散射的磷矿磨矿粒度分析方法研究
摘要 | 第6-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第13-21页 |
1.1 研究背景与意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-19页 |
1.2.1 颗粒粒度的主要测量方法 | 第14-16页 |
1.2.2 研究现状 | 第16-19页 |
1.3 本文主要研究内容和技术路线 | 第19-21页 |
1.3.1 研究内容 | 第19页 |
1.3.2 技术路线 | 第19-21页 |
第2章 相关理论基础 | 第21-37页 |
2.1 光散射相关理论 | 第21-31页 |
2.1.1 光的散射、吸收与消光 | 第21-22页 |
2.1.2 Mie散射理论 | 第22-25页 |
2.1.3 Fraunhofer衍射 | 第25-26页 |
2.1.4 粒子系的多次散射理论 | 第26-31页 |
2.2 人工神经网络相关理论 | 第31-35页 |
2.2.1 人工神经网络的结构 | 第32-34页 |
2.2.2 人工神经网络的学习 | 第34-35页 |
2.3 本章小结 | 第35-37页 |
第3章 磷矿浆光散射强度采集系统设计 | 第37-49页 |
3.1 概述 | 第37页 |
3.2 采集系统总体结构 | 第37-39页 |
3.3 光学系统部分设计 | 第39-42页 |
3.3.1 激光器选型 | 第39-41页 |
3.3.2 光电探测器选择 | 第41-42页 |
3.4 样品循环系统设计 | 第42-46页 |
3.4.1 搅拌槽设计 | 第42-44页 |
3.4.2 测试皿设计 | 第44-45页 |
3.4.3 循环泵选型 | 第45-46页 |
3.5 数据采集处理系统设计 | 第46-47页 |
3.5.1 AD转换器选型 | 第46页 |
3.5.2 上位机 | 第46-47页 |
3.6 本章小结 | 第47-49页 |
第4章 试验及数据采集处理 | 第49-57页 |
4.1 概述 | 第49页 |
4.2 磨矿实验 | 第49-52页 |
4.2.1 实验矿样、设备及方法 | 第49-50页 |
4.2.2 磨矿产品粒度分布测试 | 第50-52页 |
4.3 磷矿矿浆光散射试验 | 第52-55页 |
4.3.1 实验安排 | 第52页 |
4.3.2 实验结果 | 第52-55页 |
4.4 小结 | 第55-57页 |
第5章 Matlab神经网络仿真建模 | 第57-79页 |
5.1 概述 | 第57页 |
5.2 BP神经网络 | 第57-59页 |
5.3 模型建立 | 第59-60页 |
5.4 建模数据 | 第60-62页 |
5.5 BP网络设计与仿真 | 第62-69页 |
5.5.1 网络性能评价指标 | 第62-63页 |
5.5.2 样本数据处理 | 第63-64页 |
5.5.3 网络节点数确定 | 第64-65页 |
5.5.4 网络参数选择 | 第65页 |
5.5.5 仿真研究 | 第65-69页 |
5.6 遗传算法优化BP网络 | 第69-73页 |
5.6.1 遗传算法 | 第69-70页 |
5.6.2 仿真研究 | 第70-73页 |
5.7 粒子群算法优化BP网络 | 第73-78页 |
5.7.1 粒子群算法 | 第73-74页 |
5.7.2 仿真研究 | 第74-78页 |
5.8 小结 | 第78-79页 |
第6章 总结与展望 | 第79-83页 |
6.1 总结 | 第79-80页 |
6.2 展望 | 第80-83页 |
参考文献 | 第83-89页 |
攻读硕士期间已发表的论文 | 第89-91页 |
附录:论文中相关程序代码 | 第91-95页 |
致谢 | 第95页 |