| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 铝电解工业概况 | 第9-10页 |
| 1.2 铝电解槽模型简介 | 第10-13页 |
| 1.2.1 铝电解槽模型的发展和分类 | 第10-12页 |
| 1.2.2 铝电解槽相关技术参数 | 第12-13页 |
| 1.3 铝电解槽诊断系统概述 | 第13-18页 |
| 1.3.1 铝电解槽诊断的理论依据 | 第13-15页 |
| 1.3.2 铝电解槽主要故障类型 | 第15-17页 |
| 1.3.3 铝电解槽诊断系统的发展过程 | 第17-18页 |
| 1.4 论文主要内容与章节安排 | 第18-19页 |
| 第二章 基于小波包的槽电压分析 | 第19-30页 |
| 2.1 槽电压波动分析 | 第19-21页 |
| 2.1.1 槽电压波动产生的原因 | 第19-20页 |
| 2.1.2 槽电压波动的处理 | 第20-21页 |
| 2.2 小波变换的理论及仿真分析 | 第21-27页 |
| 2.2.1 小波变换的原理 | 第21-23页 |
| 2.2.2 小波包变换特点 | 第23-24页 |
| 2.2.3 槽电压小波包仿真及结果分析 | 第24-27页 |
| 2.3 槽电压小波包能量特征提取 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 铝电解槽冷热行程槽况分析 | 第30-35页 |
| 3.1 铝电解槽电解质温度的测量 | 第30-31页 |
| 3.1.1 热电偶槽温检测技术 | 第30页 |
| 3.1.2 新型槽温检测技术 | 第30-31页 |
| 3.2 铝电解槽冷热槽况的分析与建模 | 第31-34页 |
| 3.2.1 影响槽温行程的各种因素 | 第31页 |
| 3.2.2 冷热槽况诊断子网络模型仿真 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第四章 基于改进型模糊神经网络的铝电解诊断模型分析 | 第35-57页 |
| 4.1 铝电解槽槽况诊断模型方案论证 | 第35-37页 |
| 4.2 模糊控制理论基础 | 第37-41页 |
| 4.2.1 模糊集合及其运算 | 第37-38页 |
| 4.2.2 隶属度函数 | 第38-39页 |
| 4.2.3 模糊推理规则及其运算 | 第39-40页 |
| 4.2.4 模糊系统的分类与组成 | 第40-41页 |
| 4.3 神经网络理论原理 | 第41-44页 |
| 4.3.1 人工神经元基本组成要素 | 第41-43页 |
| 4.3.2 神经网络学习算法 | 第43-44页 |
| 4.4 模糊神经推理系统原理 | 第44-46页 |
| 4.4.1 模糊神经推理系统结构 | 第44-45页 |
| 4.4.2 ANFIS模型的学习算法 | 第45-46页 |
| 4.5 用于铝电解槽槽况诊断的模糊神经网络分析 | 第46-56页 |
| 4.5.1 系统总体框架的优化 | 第46-47页 |
| 4.5.2 主要故障的诊断和解析 | 第47-50页 |
| 4.5.3 铝电解槽槽况模型建立 | 第50-52页 |
| 4.5.4 铝电解槽ANFIS模型聚类网络优化 | 第52-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 数据模型仿真系统 | 第57-61页 |
| 5.1 电解铝输入量模型仿真 | 第57-60页 |
| 5.1.1 槽电压数据模型 | 第57-60页 |
| 5.1.2 电解质温度测量数据模型 | 第60页 |
| 5.2 本章小结 | 第60-61页 |
| 总结与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间主要的研究成果 | 第67页 |