| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题的来源和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12页 |
| 1.3 目前膏体充填系统在线监控技术存在的问题 | 第12-13页 |
| 1.4 主要研究内容 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 膏体充填系统工艺流程 | 第15-21页 |
| 2.1 膏体充填系统概述 | 第15-16页 |
| 2.2 膏体充填工艺流程 | 第16-17页 |
| 2.3 矸石破碎加工技术 | 第17-18页 |
| 2.4 配比称重搅拌技术 | 第18-20页 |
| 2.4.1 配比称重过程 | 第18页 |
| 2.4.2 称重技术 | 第18-19页 |
| 2.4.3 配料精度要求 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 膏体充填管道流量在线计量系统研究与设计 | 第21-33页 |
| 3.1 膏体充填管道流量检测问题 | 第21页 |
| 3.2 膏体充填管道流量检测方法 | 第21-22页 |
| 3.3 超声波检测法 | 第22-24页 |
| 3.4 在线检测系统 | 第24-26页 |
| 3.4.1 在线检测系统流程图 | 第24-25页 |
| 3.4.2 系统工作过程 | 第25-26页 |
| 3.5 系统误差分析 | 第26-32页 |
| 3.5.1 未知有理数方法 | 第26页 |
| 3.5.2 未确知有理数的运算方法 | 第26-27页 |
| 3.5.3 未确知有理数方法的可行性 | 第27-29页 |
| 3.5.4 膏体流量检测数据分析处理 | 第29-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 膏体充填自动控制系统设计 | 第33-39页 |
| 4.1 可编程控制器的选型 | 第33-35页 |
| 4.2 PLC模块选取 | 第35-36页 |
| 4.3 膏体充填控制要求及功能设计 | 第36-38页 |
| 4.3.1 控制要求 | 第36-37页 |
| 4.3.2 控制功能设计 | 第37-38页 |
| 4.4 系统控制工艺设计 | 第38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 膏体充填人机交互界面设计 | 第39-52页 |
| 5.1 人机交互界面功能 | 第39-40页 |
| 5.2 组态软件的选择 | 第40-41页 |
| 5.3 WinCC软件 | 第41-43页 |
| 5.3.1 WinCC软件简介 | 第41页 |
| 5.3.2 WinCC的性能特点 | 第41-42页 |
| 5.3.3 Win CC 系统组成 | 第42-43页 |
| 5.4 WinCC与PLC的通讯方式 | 第43-46页 |
| 5.4.1 WinCC通讯结构 | 第43-44页 |
| 5.4.2 建立WinCC与PLC间通讯的步骤 | 第44页 |
| 5.4.3 WinCC与SIMATIC S7 PLC的通讯方式 | 第44-46页 |
| 5.5 膏体充填系统人机交互界面及通讯设计 | 第46-51页 |
| 5.5.1 控制主界面 | 第48-49页 |
| 5.5.2 监控系统子界面 | 第49-51页 |
| 5.5.3 WinCC与PLC间的通讯 | 第51页 |
| 5.6 本章小结 | 第51-52页 |
| 第6章 配料误差补偿 | 第52-65页 |
| 6.1 膏体充填配料过程分析 | 第52-54页 |
| 6.2 遗传-神经网络算法 | 第54-57页 |
| 6.2.1 BP人工神经网络 | 第54-55页 |
| 6.2.2 遗传算法 | 第55-57页 |
| 6.2.3 遗传-神经网络算法 | 第57页 |
| 6.3 遗传-神经网络算法对膏体充填配料系统的优化 | 第57-61页 |
| 6.3.1 建立BP神经网络 | 第57-58页 |
| 6.3.2 遗传-神经网络优化过程 | 第58-61页 |
| 6.4 数据的归一化预处理及样本训练 | 第61-64页 |
| 6.4.1 数据的归一化预处理 | 第61页 |
| 6.4.2 样本训练 | 第61-63页 |
| 6.4.3 结果分析 | 第63-64页 |
| 6.5 本章小结 | 第64-65页 |
| 结论与展望 | 第65-67页 |
| 1 本文工作结论 | 第65-66页 |
| 2 工作展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 作者简介 | 第71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |