| 摘要 | 第5-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第15-35页 |
| 1.1 微波与微波加热的特点 | 第15-16页 |
| 1.2 大功率微波加热系统 | 第16-21页 |
| 1.2.1 基本结构 | 第16-19页 |
| 1.2.2 微波加热温度控制的难点分析 | 第19-21页 |
| 1.3 数值计算方法及其在微波加热过程中的研究 | 第21-25页 |
| 1.3.1 常见数值计算方法 | 第21-23页 |
| 1.3.2 微波加热数值计算 | 第23-25页 |
| 1.4 智能控制及其在微波加热中的应用研究 | 第25-31页 |
| 1.4.1 智能控制的基本概念 | 第25-26页 |
| 1.4.2 智能控制系统的主要分支 | 第26-28页 |
| 1.4.3 智能控制在微波加热中的应用研究 | 第28-31页 |
| 1.5 选题的背景及研究内容 | 第31-35页 |
| 第二章 微波加热系统模型及性能综述 | 第35-79页 |
| 2.1 微波的传输、吸收及模型 | 第35-53页 |
| 2.1.1 传输线、规则波导、谐振腔模型及分析 | 第35-47页 |
| 2.1.2 吸收微波加热物质的物理概念 | 第47-53页 |
| 2.2 微波加热的热性能 | 第53-58页 |
| 2.2.1 一般过程特性 | 第54页 |
| 2.2.2 微波加热的热性能 | 第54-58页 |
| 2.3 微波加热的模型 | 第58-72页 |
| 2.3.1 微波加热凝聚物模型 | 第58-68页 |
| 2.3.2 微波加热流体介质模型 | 第68-72页 |
| 2.4 微波加热系统及综合分析 | 第72-78页 |
| 2.4.1 微波加热系统及设计 | 第72-75页 |
| 2.4.2 微波加热性能综合分析 | 第75-78页 |
| 2.5 本章小结 | 第78-79页 |
| 第三章 大功率多微波源功率智能控制研究 | 第79-99页 |
| 3.1 磁控管 | 第79-88页 |
| 3.1.1 磁控管的伏安特性 | 第79-81页 |
| 3.1.2 磁控管的效率 | 第81-83页 |
| 3.1.3 影响磁控管微波功率源输出功率的因素 | 第83-84页 |
| 3.1.4 调节磁控管输出功率的控制策略 | 第84-88页 |
| 3.2 大功率多微波源功率智能控制策略 | 第88-94页 |
| 3.2.1 基于自适应遗传算法的大微波源功率智能控制策略 | 第89-91页 |
| 3.2.2 大功率多微波源功率智能控制策略 | 第91-93页 |
| 3.2.3 大功率多微波源功率控制BP学习网络 | 第93-94页 |
| 3.3 模型求解及结果分析 | 第94-97页 |
| 3.3.1 仿真 | 第94-96页 |
| 3.3.2 结果及分析 | 第96-97页 |
| 3.4 本章小结 | 第97-99页 |
| 第四章 微波加热酸洗液热性能数值模拟及分析 | 第99-142页 |
| 4.1 引言 | 第99页 |
| 4.2 酸洗液介电特性测试装置及测试结果 | 第99-106页 |
| 4.2.1 吸波材料吸波特性的表征 | 第99-100页 |
| 4.2.2 钛板循环酸洗液吸波特性测试装置 | 第100-101页 |
| 4.2.3 酸洗液介电特性的测试结果 | 第101-106页 |
| 4.3 钛板循环酸洗微波加热系统的几何模型 | 第106-109页 |
| 4.4 微波加热系统传热模型 | 第109-110页 |
| 4.4.1 微波加热流体的热传导 | 第109页 |
| 4.4.2 微波加热流体的对流 | 第109页 |
| 4.4.3 微波加热系统的热平衡方程 | 第109-110页 |
| 4.5 微波加热酸洗液升温特性数值模拟方法 | 第110-111页 |
| 4.5.1 COMSOL MULTIPHYSICS与MATLAB混合编程 | 第110-111页 |
| 4.5.2 求解区域的网格划分 | 第111页 |
| 4.6 钛板循环冲漂洗水微波加热升温特性及工艺参数优化 | 第111-127页 |
| 4.6.1 仿真试验设计 | 第111-116页 |
| 4.6.2 仿真结果分析 | 第116-124页 |
| 4.6.3 工艺参数优化 | 第124-127页 |
| 4.7 钛板循环酸洗HF升温特性数值模拟 | 第127-133页 |
| 4.8 钛板循环酸洗HNO_3升温特性数值模拟 | 第133-136页 |
| 4.9 钛板循环酸洗微波加热工业化应用系统的热性能测试 | 第136-137页 |
| 4.9.1 钛板循环酸洗微波加热工业应用系统热效率的计算 | 第136页 |
| 4.9.2 钛板循环酸洗微波加热工业应用系统热效率的测试 | 第136-137页 |
| 4.9.3 钛板循环酸洗微波加热工业应用系统的升温特性 | 第137页 |
| 4.10 钛板循环酸洗微波加热工业化应用系统试验测试结果与数值模拟的对比分析 | 第137-140页 |
| 4.10.1 钛板循环酸洗微波加热工业应用系统酸洗液出口温度变化 | 第138-139页 |
| 4.10.2 钛板循环酸洗微波加热工业应用系统的循环加热温升曲线 | 第139-140页 |
| 4.11 本章小结 | 第140-142页 |
| 第五章 微波加热循环酸洗板带速度控制 | 第142-158页 |
| 5.1 引言 | 第142页 |
| 5.2 研究背景与钛板循环酸洗工艺概述 | 第142-147页 |
| 5.2.1 研究背景 | 第142-144页 |
| 5.2.2 钛板循环酸洗工艺概述 | 第144-145页 |
| 5.2.3 微波加热酸洗液系统工作原理 | 第145页 |
| 5.2.4 微波加热循环酸洗钛板质量分析 | 第145-147页 |
| 5.3 微波加热循环酸洗液钛板速度、温度控制策略 | 第147-148页 |
| 5.4 类串级双模糊自适应PID算法对微波加热循环酸洗钛板速度控制 | 第148-151页 |
| 5.4.1 模糊自适应PID | 第148-150页 |
| 5.4.2 类串级双模糊自适应PID控制系统 | 第150-151页 |
| 5.5 类串级双模糊自适应PID控制器在板带速度控制中的实现 | 第151-155页 |
| 5.6 应用效果 | 第155-156页 |
| 5.7 本章小结 | 第156-158页 |
| 第六章 基于动态神经网络的直接非线性模型预测控制微波加热循环酸洗板带过程研究 | 第158-182页 |
| 6.1 冷轧钛带卷酸洗过程描述 | 第158-164页 |
| 6.1.1 化学工艺段流程 | 第158-160页 |
| 6.1.2 酸洗过程的影响因素 | 第160-161页 |
| 6.1.3 酸洗过程的影响因素及其建模 | 第161-164页 |
| 6.2 基于动态神经网络的自适应直接非线性模型预测控制策略 | 第164-166页 |
| 6.3 动态神经网络辨识方案 | 第166-171页 |
| 6.3.1 问题的缘起 | 第166-167页 |
| 6.3.2 神经网络辨识模型 | 第167-169页 |
| 6.3.3 可变增量因子和遗忘因子的递归最小二乘学习算法 | 第169-171页 |
| 6.3.4 受训神经网络有效性验证 | 第171页 |
| 6.4 基于动态神经网络的自适应直接非线性模型预测控制算法 | 第171-174页 |
| 6.4.1 自适应非线性模型预测控制(ADNMPC) | 第171-173页 |
| 6.4.2 控制量信号寻优计算 | 第173-174页 |
| 6.5 冷轧卷微波加热酸洗过程预测控制系统设计及仿真 | 第174-179页 |
| 6.5.1 神经网络模型对酸洗过程的辨识 | 第174-177页 |
| 6.5.2 酸洗过程的控制 | 第177-179页 |
| 6.6 本章小结 | 第179-182页 |
| 第七章 基于遗传算法在线自整定PID的微波深度干燥富硒渣的温度控制 | 第182-193页 |
| 7.1 问题的缘起 | 第182-183页 |
| 7.2 基于遗传算法在线优化的自适应PID控制器设计 | 第183-185页 |
| 7.2.1 PID控制 | 第183-184页 |
| 7.2.2 基于遗传算法在线优化的自适应PID控制器设计 | 第184-185页 |
| 7.3 遗传算法调节的自适应PID控制器应用于典型工业模型 | 第185-189页 |
| 7.3.1 控制性能指标 | 第185-186页 |
| 7.3.2 遗传算法调节的自适应PID控制结果 | 第186-187页 |
| 7.3.3 被控过程的动态干扰仿真 | 第187-189页 |
| 7.4 控制器实际应用于富硒渣微波深度干燥工业化装置 | 第189-191页 |
| 7.4.1 微波深度干燥工业化装置 | 第189-190页 |
| 7.4.2 试验测试方法及数据处理 | 第190-191页 |
| 7.5 本章小结 | 第191-193页 |
| 第八章 结论、创新点及展望 | 第193-196页 |
| 8.1 结论及创新点 | 第193-195页 |
| 8.2 研究工作展望 | 第195-196页 |
| 致谢 | 第196-197页 |
| 附录 | 第197-199页 |
| 参考文献 | 第199-209页 |
