| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 针铁矿法沉铁过程模型及控制策略的研究现状 | 第10页 |
| 1.3 预测控制的发展与研究现状 | 第10-14页 |
| 1.4 论文的研究内容 | 第14-16页 |
| 2 针铁矿法沉铁过程工艺分析 | 第16-21页 |
| 2.1 针铁矿法沉铁过程工艺简介 | 第16-17页 |
| 2.2 针铁矿法沉铁过程出口Fe~(2+)浓度影响因素分析 | 第17-19页 |
| 2.3 沉铁过程出口Fe~(2+)浓度的控制策略 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 沉铁过程出口Fe~(2+)浓度预测模型的研究 | 第21-32页 |
| 3.1 支持向量机回归概述 | 第21-24页 |
| 3.2 基于自适应搜索的最小二乘支持向量机 | 第24-27页 |
| 3.2.1 最小二乘支持向量机回归 | 第24-26页 |
| 3.2.2 自适应参数优化 | 第26-27页 |
| 3.3 基于最小二乘支持向量机的出口Fe~(2+)浓度预测模型 | 第27-31页 |
| 3.3.1 数据的采集和预处理 | 第27-28页 |
| 3.3.2 Fe~(2+)浓度预测模型与仿真分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4 基于Tent映射的动态权重混沌粒子群优化策略 | 第32-44页 |
| 4.1 标准粒子群优化算法概述 | 第32-36页 |
| 4.1.1 标准粒子群优化算法的基本原理 | 第32-34页 |
| 4.1.2 SPSO算法流程 | 第34-36页 |
| 4.2 粒子群优化算法的改进策略 | 第36-37页 |
| 4.3 基于Tent映射的动态权重混沌粒子群优化算法 | 第37-39页 |
| 4.4 TM-NDWPSO算法的性能仿真 | 第39-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 基于PSO和LSSVM的出口Fe~(2+)浓度非线性预测控制策略 | 第44-63页 |
| 5.1 预测控制 | 第44-48页 |
| 5.1.1 预测控制的基本原理 | 第44-47页 |
| 5.1.2 PSO和LSSVM结合用于非线性预测控制的可行性分析 | 第47-48页 |
| 5.2 基于PSO和LSSVM的出口Fe~(2+)浓度非线性预测控制 | 第48-62页 |
| 5.2.1 LSSVM预测模型 | 第49-51页 |
| 5.2.2 PSO优化 | 第51-52页 |
| 5.2.3 反馈校正 | 第52-59页 |
| 5.2.4 出口Fe~(2+)浓度非线性预测控制策略 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读学位期间主要的研究成果 | 第70-71页 |
| 致谢 | 第71页 |
