| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9-10页 |
| ·国外和国内研究现状 | 第10-12页 |
| ·国外电渣炉发展历史及现状 | 第10-11页 |
| ·国内电渣炉发展历史及现状 | 第11-12页 |
| ·电渣重熔工艺介绍 | 第12-16页 |
| ·电渣重熔工艺介绍 | 第12-14页 |
| ·本文所设计电渣炉工艺介绍 | 第14-16页 |
| ·本课题要研究的主要内容 | 第16-17页 |
| 第2章 电渣炉控制系统设计 | 第17-25页 |
| ·电渣炉的控制要求 | 第17-18页 |
| ·电渣炉控制系统设计 | 第18-24页 |
| ·计算机监控软件功能设计 | 第19-23页 |
| ·下位机控制系统主要功能程序设计 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于RBF神经网络的电渣炉建模 | 第25-49页 |
| ·人工神经网络的概述 | 第25-29页 |
| ·人工神经网络的起源与发展 | 第25-27页 |
| ·人工神经网络的分类 | 第27-28页 |
| ·人工神经网络的发展前景 | 第28-29页 |
| ·径向基函数网络(RBF) | 第29-33页 |
| ·RBF神经网络结构 | 第29-30页 |
| ·RBF神经网络特点 | 第30-31页 |
| ·RBF神经网络的训练的算法 | 第31-33页 |
| ·次胜者受罚竞争学习算法 | 第33-37页 |
| ·标准竞争学习算法(CL) | 第33-34页 |
| ·频率敏感竞争学习算法(FSCL) | 第34-35页 |
| ·次胜者受罚竞争学习算法(RPCL) | 第35-37页 |
| ·粒子群优化算法简介 | 第37-41页 |
| ·标准粒子群优化算法 | 第37-39页 |
| ·改进型的粒子群优化算法 | 第39-41页 |
| ·电渣炉的建模与仿真 | 第41-48页 |
| ·基于RBF神经网络的电渣炉预测模型 | 第41-43页 |
| ·基于PSO-RBF神经网络的电渣炉预测模型 | 第43-46页 |
| ·基于改进型PSO-RBF神经网络的电渣炉预测模型 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于和声搜索的预测PID控制方法研究 | 第49-65页 |
| ·PID控制原理简介 | 第49-51页 |
| ·和声搜索算法 | 第51-55页 |
| ·和声搜索算法简介 | 第51-53页 |
| ·和声搜索算法流程 | 第53-55页 |
| ·基于最小二乘的被控对象模型辨识 | 第55-58页 |
| ·CARMA模型简介 | 第55-56页 |
| ·最小二乘辨识方法 | 第56-58页 |
| ·被控对象模型的确定 | 第58页 |
| ·基于和声搜索的预测PID控制算法仿真 | 第58-64页 |
| ·PID控制算法仿真 | 第59-60页 |
| ·基于和声搜索的PID控制仿真 | 第60-62页 |
| ·基于和声搜索的预测PID控制仿真 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 结束语 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |