| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究的背景及意义 | 第12-13页 |
| 1.2 铝电解国内外发展现状 | 第13-17页 |
| 1.2.1 铝资源分布国内外现状 | 第13页 |
| 1.2.2 电解铝行业国内外发展现状 | 第13-15页 |
| 1.2.3 铝电解节能减排及控制系统发展现状 | 第15-17页 |
| 1.3 本论文的主要工作 | 第17-18页 |
| 第二章 铝电解过程节能控制策略 | 第18-34页 |
| 2.1 铝电解生产过程中能耗的主要指标和影响因素 | 第18-23页 |
| 2.1.1 主要能耗指标 | 第18-20页 |
| 2.1.2 能耗影响因素分析 | 第20-23页 |
| 2.2 铝电解节能控制的策略 | 第23-32页 |
| 2.2.1 铝电解过程中氧化铝浓度的控制 | 第23-25页 |
| 2.2.2 铝电解多目标控制系统的总体设计方案 | 第25-27页 |
| 2.2.3 神经网络控制器 | 第27-29页 |
| 2.2.4 异常情况与特定操作的控制 | 第29-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 铝电解多目标控制预测模型的建立与优化 | 第34-58页 |
| 3.1 机理模型的构建 | 第34-35页 |
| 3.2 铝电解多目标优化神经网络预测模型的建立 | 第35-40页 |
| 3.3 多目标优化方法 | 第40-42页 |
| 3.3.1 多目标优化问题的定义 | 第40-41页 |
| 3.3.2 多目标问题的求解方法 | 第41-42页 |
| 3.3.2.1 基于优化和决策先后顺序的多目标优化方法 | 第41页 |
| 3.3.2.2 基于单目标的多目标求解方法 | 第41-42页 |
| 3.3.2.3 基于进化计算的多目标求解方法 | 第42页 |
| 3.4 量子多目标遗传算法 | 第42-53页 |
| 3.4.1 多目标遗传算法 | 第43-45页 |
| 3.4.1.1 遗传算法概述 | 第43页 |
| 3.4.1.2 多目标遗传算法的关键理论 | 第43-45页 |
| 3.4.1.3 典型多目标遗传算法的不足 | 第45页 |
| 3.4.2 量子优化算法 | 第45-46页 |
| 3.4.3 量子多目标遗传算法 | 第46-50页 |
| 3.4.3.1 遗传算法自身性质的量子算子 | 第46-49页 |
| 3.4.3.2 种群更新 | 第49-50页 |
| 3.4.3.3 量子多目标遗传算法描述 | 第50页 |
| 3.4.4 对收敛性的优化 | 第50-53页 |
| 3.4.5 对网络学习与训练性能的优化 | 第53页 |
| 3.5 量子多目标粒子群算法 | 第53-56页 |
| 3.5.1 优化方法原理概述 | 第53-54页 |
| 3.5.2 多目标粒子群 | 第54-56页 |
| 3.5.2.1 选择算子 | 第54-55页 |
| 3.5.2.2 非支配集 | 第55页 |
| 3.5.2.3 外部集合 | 第55页 |
| 3.5.2.4 个体极值与全局极值的选择 | 第55-56页 |
| 3.5.3 量子多目标粒子群算法 | 第56页 |
| 3.6 本章小结 | 第56-58页 |
| 第四章 基于多目标粒子群算法的铝电解过程能耗优化 | 第58-64页 |
| 4.1 铝电解过程能耗优化方案 | 第58-59页 |
| 4.2 一般步骤 | 第59页 |
| 4.3 优化策略 | 第59-61页 |
| 4.4 算法应用结果分析 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第五章 自动化管理系统设计 | 第64-70页 |
| 5.1 铝电解自动化管理系统简介 | 第64-65页 |
| 5.2 铝电解自动化管理系统设计 | 第65-69页 |
| 5.2.1 模块的建立 | 第65-66页 |
| 5.2.2 管理软件界面设计 | 第66-69页 |
| 5.3 本章小结 | 第69-70页 |
| 第六章 结论 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 作者简介 | 第74页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第74-76页 |
| 致谢 | 第76页 |