| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1.绪论 | 第10-21页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 回转窑球团焙烧工艺 | 第10-13页 |
| 1.3 回转窑球团焙烧过程智能控制方法研究现状 | 第13-19页 |
| 1.3.1 回转窑球团焙烧过程的软测量建模 | 第15-16页 |
| 1.3.2 回转窑球团焙烧过程的工况识别 | 第16-17页 |
| 1.3.3 回转窑混合智能控制策略 | 第17-19页 |
| 1.3.4 回转窑球团焙烧的未来发展 | 第19页 |
| 1.4 本文研究内容及结构安排 | 第19-21页 |
| 2. 基于 GLCM 火焰图像纹理特征提取及回转窑燃烧工况 KPCA-GLVQ 识别 | 第21-34页 |
| 2.1 引言 | 第21页 |
| 2.2 回转窑燃烧工况识别策略 | 第21-22页 |
| 2.3 基于灰度共生矩阵的火焰图像纹理特征提取 | 第22-30页 |
| 2.3.1 灰度共生矩阵 | 第22-25页 |
| 2.3.2 主成分分析 | 第25-27页 |
| 2.3.3 基于 KPCA 的火焰图像纹理特征降维 | 第27-30页 |
| 2.4 基于广义 LVQ 神经网络的燃烧工况识别 | 第30-33页 |
| 2.4.1 LVQ 神经网络 | 第30-31页 |
| 2.4.2 广义 LVQ 神经网络 | 第31-32页 |
| 2.4.3 回转窑燃烧工况识别 | 第32-33页 |
| 2.5 小结 | 第33-34页 |
| 3. 回转窑球团烧结质量指标的 BBO-RBF 神经网络软测量建模 | 第34-62页 |
| 3.1 引言 | 第34页 |
| 3.2 软测量建模技术 | 第34-38页 |
| 3.2.1 软测量建模方法概述 | 第34-36页 |
| 3.2.2 软测量原理 | 第36-38页 |
| 3.2.3 软测量建模 | 第38页 |
| 3.3 径向基函数神经网络 | 第38-45页 |
| 3.3.1 径向基神经网络结构 | 第39-41页 |
| 3.3.2 径向基函数学习算法 | 第41-45页 |
| 3.4 生物地理优化算法 | 第45-54页 |
| 3.4.1 生物地理算法概述 | 第45-47页 |
| 3.4.2 生物地理学的数学模型 | 第47-52页 |
| 3.4.3 生物地理学优化算法 | 第52-54页 |
| 3.5 生物地理算法优化回转窑 RBF 神经网络软测量模型 | 第54-55页 |
| 3.6 仿真研究 | 第55-61页 |
| 3.7 小结 | 第61-62页 |
| 4. 基于多源异构信息融合的回转窑球团焙烧过程操作模式优化 | 第62-73页 |
| 4.1 引言 | 第62页 |
| 4.2 操作模式优化控制方法 | 第62-66页 |
| 4.2.1 操作模式 | 第62-64页 |
| 4.2.2 操作模式优化框架 | 第64-66页 |
| 4.3 基于多源异构信息融合的回转窑操作模式优化 | 第66-70页 |
| 4.3.1 综合指标的建立 | 第66-67页 |
| 4.3.2 决策模型 | 第67-68页 |
| 4.3.3 基于模糊控制的加权策略 | 第68-69页 |
| 4.3.4 基于减法聚类的操作模式匹配 | 第69-70页 |
| 4.4 多源异构信息融合回转窑操作模式优化结果 | 第70-72页 |
| 4.5 小结 | 第72-73页 |
| 5. 结论 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表学术论文情况 | 第78-79页 |
| 致谢 | 第79-80页 |
| 作者简介 | 第80-81页 |
