| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11页 |
| 1.2 铝及铝冶炼发展历史 | 第11-12页 |
| 1.3 国内外研究现状和趋势 | 第12-16页 |
| 1.3.1 铝电解槽槽电压研究现状 | 第12-14页 |
| 1.3.2 多神经网络研究现状 | 第14-15页 |
| 1.3.3 遗传算法研究现状 | 第15-16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 第二章 铝电解生产工艺描述及槽电压的关联参数分析 | 第17-23页 |
| 2.1 铝电解生产工艺 | 第17-19页 |
| 2.1.1 焙烧期 | 第18页 |
| 2.1.2 启动 | 第18页 |
| 2.1.3 铝电解槽的正常生产期 | 第18-19页 |
| 2.2 槽电压的关联参数分析 | 第19-22页 |
| 2.2.1 电解质温度和分子比 | 第19页 |
| 2.2.2 氧化铝浓度 | 第19-21页 |
| 2.2.3 铝水平和电解质水平 | 第21页 |
| 2.2.4 极距 | 第21页 |
| 2.2.5 阳极效应系数 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于多层ELM的铝电解槽电压预测模型 | 第23-36页 |
| 3.1 铝电解槽槽电压模型的基本框架 | 第23-26页 |
| 3.1.1 输入变量的选择 | 第23-24页 |
| 3.1.2 铝电解实时数据预处理 | 第24-26页 |
| 3.2 铝电解槽槽电压预测 | 第26-34页 |
| 3.2.1 基于BP神经网槽电压预测 | 第26-28页 |
| 3.2.2 基于单层ELM槽电压预测 | 第28-31页 |
| 3.2.3 基于多层ELM槽电压预测 | 第31-34页 |
| 3.3 三种槽电压预测模型结果比较 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于神经网络遗传算法槽电压优化 | 第36-43页 |
| 4.1 槽电压优化控制模型 | 第36-37页 |
| 4.2 槽电压优化算法 | 第37-39页 |
| 4.3 槽电压优化模型仿真及实验结果 | 第39-41页 |
| 4.3.1 BP神经网络遗传算法槽电压优化仿真结果 | 第39页 |
| 4.3.2 单层ELM神经网络遗传算法槽电压仿真结果 | 第39-40页 |
| 4.3.3 多层ELM神经网络遗传算法槽电压仿真结果 | 第40-41页 |
| 4.4 三种神经网络遗传算法仿真结果比较 | 第41页 |
| 4.5 本章小结 | 第41-43页 |
| 第五章 铝电解槽电压优化控制系统及实现 | 第43-56页 |
| 5.1 铝电解控制系统 | 第43-44页 |
| 5.2 铝电解槽极距调节控制 | 第44-48页 |
| 5.3 铝电解槽电压优化控制验证与仿真 | 第48-55页 |
| 5.3.1 半实物仿真平台介绍 | 第48-51页 |
| 5.3.2 槽电压运行优化控制系统的开发 | 第51-53页 |
| 5.3.3 验证结果与分析 | 第53-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| 6.1 论文总结 | 第56页 |
| 6.2 研究展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表论文情况 | 第63页 |
