| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题背景及意义 | 第11-14页 |
| 1.1.1 课题背景 | 第11-12页 |
| 1.1.2 烧结砖隧道窑控制技术研究现状 | 第12-13页 |
| 1.1.3 课题研究意义 | 第13-14页 |
| 1.2 本论文的研究内容与论文结构 | 第14-15页 |
| 1.3 课题来源 | 第15-16页 |
| 第二章 烧结砖隧道窑工艺流程及监控、建模、优化构想 | 第16-22页 |
| 2.1 烧结砖隧道窑生产过程工艺流程 | 第16-18页 |
| 2.2 烧结砖隧道窑DCS系统需求分析 | 第18-19页 |
| 2.3 烧结砖隧道窑生产过程烧结砖质量预测模型分析 | 第19-20页 |
| 2.4 烧结砖隧道窑操作参数优化设定分析 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 烧结砖隧道窑DCS系统研发 | 第22-35页 |
| 3.1 引言 | 第22页 |
| 3.2 烧结砖隧道窑DCS系统整体方案 | 第22-23页 |
| 3.3 方案设计 | 第23-32页 |
| 3.3.1 DCS的基本控制需求 | 第23页 |
| 3.3.2 DCS的方案设计 | 第23-27页 |
| 3.3.3 操作员人机接口的设计 | 第27-32页 |
| 3.4 ORACLE数据库建立 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 烧结砖隧道窑生产过程烧结砖质量预测模型 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 极限学习机基本原理 | 第35-41页 |
| 4.2.1 极限学习机的数学模型 | 第35-36页 |
| 4.2.2 极限学习机学习过程 | 第36页 |
| 4.2.3 蚁群算法 | 第36-37页 |
| 4.2.4 蚁群算法基本实现过程 | 第37-38页 |
| 4.2.5 模拟退火算法 | 第38-39页 |
| 4.2.6 蚁群并行模拟退火算法优化极限学习机 | 第39页 |
| 4.2.7 ACOAS-ELM算法步骤 | 第39-41页 |
| 4.3 算法仿真验证 | 第41-44页 |
| 4.3.1 选取数据 | 第41页 |
| 4.3.2 误差比较 | 第41页 |
| 4.3.3 实验结果分析 | 第41-44页 |
| 4.4 蚁群并行模拟退火算法优化的极限学习机在烧结砖隧道窑上的应用 | 第44-46页 |
| 4.4.1 烧结砖指标评价 | 第44-45页 |
| 4.4.2 数据采集 | 第45-46页 |
| 4.4.3 仿真结果分析 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 烧结砖隧道窑烧成带优化控制策略 | 第47-67页 |
| 5.1 引言 | 第47页 |
| 5.2 案例推理 | 第47-50页 |
| 5.3 基于案例推理的烧结砖隧道窑生产过程优化设定 | 第50-59页 |
| 5.3.1 隧道窑生产过程案例表示 | 第50-52页 |
| 5.3.2 提取属性权重 | 第52-53页 |
| 5.3.3 主观赋值法求权重-序关系分析法 | 第53-58页 |
| 5.3.4 客观评价法求权重-神经网络 | 第58-59页 |
| 5.4 仿真验证 | 第59-66页 |
| 5.4.1 流程工业自动化实验平台 | 第59-60页 |
| 5.4.2 实验平台的通讯 | 第60-62页 |
| 5.4.3 在平台上设计DCS及优化架构 | 第62-65页 |
| 5.4.5 仿真结果 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| 6.1 论文总结 | 第67-68页 |
| 6.2 存在问题 | 第68页 |
| 6.3 研究展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录 | 第74-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士学位期间完成的学术论文 | 第89页 |
