| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·显著误差检测研究现状 | 第9-11页 |
| ·工业过程预测模型的研究现状 | 第11-12页 |
| ·本文的研究内容和结构安排 | 第12-14页 |
| 第二章 锌湿法冶炼砷盐净化除钻工艺分析 | 第14-21页 |
| ·常压富氧锌湿法冶炼工艺概述 | 第14-15页 |
| ·砷盐净化除钴过程工艺分析 | 第15-17页 |
| ·常压富氧锌湿法冶炼净化工艺 | 第15-16页 |
| ·砷盐净化除钴工艺 | 第16-17页 |
| ·砷盐净化除钴工艺问题分析 | 第17页 |
| ·除钴影响因素分析 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 砷盐净化除钻过程生产数据预处理 | 第21-39页 |
| ·净化除钴过程数据存在问题及特点分析 | 第21-24页 |
| ·净化除钴过程数据存在问题 | 第21页 |
| ·净化除钴过程数据特点分析 | 第21-24页 |
| ·显著误差检测 | 第24-32页 |
| ·显著误差检测原理及实现方法 | 第24-28页 |
| ·改进迭代测量残差检验算法 | 第28-32页 |
| ·基于净化除钴过程显著误差检测及校正 | 第32-33页 |
| ·生产数据随机误差处理 | 第33-35页 |
| ·核主元分析 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于MPSO-SA-RNN钴离子浓度预测模型 | 第39-47页 |
| ·RBF神经网络简介 | 第39-40页 |
| ·基于MPSO-SA-RNN钴离子浓度预测模型参数辨识 | 第40-45页 |
| ·粒子群算法基本原理 | 第40-41页 |
| ·模拟退火算法基本原理 | 第41-42页 |
| ·MPSO-SA混合算法 | 第42-43页 |
| ·基于MPSO-SA混合算法的RNN参数辨识 | 第43-45页 |
| ·基于MPSO-SA混合算法的RNN钴离子浓度预测模型验证与分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 优化控制系统实现 | 第47-62页 |
| ·系统概述 | 第47-49页 |
| ·系统总体结构 | 第47-48页 |
| ·系统工作流程 | 第48-49页 |
| ·系统开发平台及工具 | 第49-51页 |
| ·系统软件设计 | 第51-58页 |
| ·软件功能设计 | 第51-55页 |
| ·数据库设计 | 第55-57页 |
| ·数据通信设计 | 第57-58页 |
| ·软件主要功能实现 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间主要研究成果 | 第70页 |
