首页--工业技术论文--冶金工业论文--有色金属冶炼论文--一般性问题论文--有色冶金炉论文

锌钡白回转窑煅烧过程智能建模研究

摘要第5-7页
ABSTRACT第7页
第一章 绪论第17-28页
    1.1 数据预处理知识第17-19页
        1.1.1 拉依达准则剔除数据粗差第17-18页
        1.1.2 数据的噪声平滑第18-19页
    1.2 系统辨识基本方法第19-20页
    1.3 新兴的智能建模及参数优化方法第20-23页
        1.3.1 模糊逻辑(FL)第20-21页
        1.3.2 人工神经网络(ANN)第21-22页
        1.3.3 人工免疫系统(AIS)第22-23页
        1.3.4 支持向量机(SVM)第23页
    1.4 回转窑过程建模及控制的研究历史第23-25页
    1.5 课题研究的目的和意义第25-26页
    1.6 内容安排第26-28页
第二章 锌钡白回转窑煅烧过程特性及建模分析第28-39页
    2.1 回转窑煅烧生产过程特性第28-30页
        2.1.1 工艺流程简介第28-30页
        2.1.2 消色力指标第30页
    2.2 干燥煅烧参数间相互关系及对质量指标的影响第30-33页
        2.2.1 原材料第30-31页
        2.2.2 煅烧温度和煅烧转速第31页
        2.2.3 进料量第31-32页
        2.2.4 窑头温度第32页
        2.2.5 排风温度和干燥转速第32页
        2.2.6 钢胆前温度第32-33页
    2.3 窑炉煅烧过程控制第33-35页
        2.3.1 人工调节方法第33-34页
        2.3.2 过程自动控制第34-35页
    2.4 煅烧过程建模第35-37页
        2.4.1 建模难点第36页
        2.4.2 建模思路第36-37页
    2.5 本章小结第37-39页
第三章 窑头温度控制系统的闭环建模研究第39-50页
    3.1 窑头温度控制系统第39-41页
        3.1.1 回油阀的非线性补偿第39-40页
        3.1.2 窑头PID控制第40-41页
    3.2 闭环辨识的主要问题第41-42页
    3.3 两阶段闭环辨识方法第42-46页
        3.3.1 闭环系统辨识简述第42-43页
        3.3.2 辨识算法的基本原理第43-45页
        3.3.3 中间辨识模型与最终辨识结果的关系第45页
        3.3.4 中间辨识模型的结构及阶次选择第45-46页
    3.4 闭环仿真研究第46-48页
    3.5 模型的一致无偏检验第48-49页
    3.6 本章小结第49-50页
第四章 基于能量平衡的煅烧过程控制及建模第50-59页
    4.1 煅烧过程控制特点第50-51页
    4.2 基于能量平衡的煅烧过程控制第51-55页
        4.2.1 控制思路来源第51-52页
        4.2.2 等能量等质量煅烧反应机理第52-53页
        4.2.3 过程能量值的推导第53-54页
        4.2.4 控制实现第54-55页
    4.3 过程回归建模与预估第55-58页
        4.3.1 过程数据的回归建模第55-57页
        4.3.2 过程参量值预估第57-58页
    4.4 本章小结第58-59页
第五章 基于人工免疫聚类算法的ANFIS建模第59-84页
    5.1 基于T-S型的ANFIS煅烧过程建模及仿真第59-65页
        5.1.1 T-S模型第59-60页
        5.1.2 模糊聚类第60页
        5.1.3 ANFIS学习算法第60-62页
        5.1.4 ANFIS性能分析第62-64页
        5.1.5 建模仿真研究第64-65页
    5.2 AIS用于解决模糊结构辨识问题第65-73页
        5.2.1 人工免疫操作第66-67页
        5.2.2 AIS聚类算法第67-69页
        5.2.3 AIS算法收敛性分析第69-71页
        5.2.4 模糊规则的AIS聚类第71-72页
        5.2.5 煅烧过程的ANFIS建模第72-73页
    5.3 AIS聚类算法性能分析第73-78页
        5.3.1 AIS随机特性对系统学习的稳定性能影响第73-74页
        5.3.2 AIS的学习速度问题第74-75页
        5.3.3 其他聚类算法的ANFIS性能分析比较第75-77页
        5.3.4 小结第77-78页
    5.4 AIS在数据聚类分析中的应用第78-83页
        5.4.1 应用AIS算法对粉种信息的提取第78-81页
        5.4.2 过程参数相关性分类第81-83页
    5.5 本章小结第83-84页
第六章 基于支持向量机的煅烧过程建模研究第84-101页
    6.1 SVM及LS-SVM的非线性建模思想第84-89页
        6.1.1 SVM的分类原理第84-86页
        6.1.2 SVM的非线性建模第86-88页
        6.1.3 LS-SVM的非线性建模第88-89页
    6.2 过程的LS-SVM建模研究第89-91页
        6.2.1 过程LS-SVM建模第89-90页
        6.2.2 LS-SVM与ANFIS辨识性能对比第90-91页
    6.3 混合核函数的提出及在建模中的应用第91-99页
        6.3.1 全局核函数和局部核函数第91-93页
        6.3.2 混合核函数的提出第93-96页
        6.3.3 ρ值的调节作用第96页
        6.3.4 SVM及LS-SVM建模分析第96-99页
        6.3.5 结论第99页
    6.4 本章小结第99-101页
第七章 过程多参量的MISO在线优化建模第101-109页
    7.1 LS-SVM的MISO建模第101-102页
    7.2 在线优化问题的提出第102-104页
        7.2.1 时间窗的概念第102-104页
        7.2.2 模型参数在线优化算法第104页
    7.3 过程的在线优化建模第104-108页
        7.3.1 LS-SVM预测建模第104-106页
        7.3.2 KKT判定条件第106-107页
        7.3.3 混合核函数的作用第107页
        7.3.4 LS-SVM与SVM第107-108页
    7.4 本章小结第108-109页
结论第109-112页
参考文献第112-122页
攻读博士学位期间发表的论文第122-126页
致谢第126-127页

论文共127页,点击 下载论文
上一篇:斜向水平荷载作用下碳纤维布增强钢筋混凝土框架柱的试验研究及有限元分析
下一篇:非开挖导向钻进摩阻和扭矩研究