磨矿粒度软测量与智能优化控制
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 选题的背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 磨矿过程优化控制策略的研究现状 | 第9-11页 |
| 1.2.2 磨矿粒度检测方法的研究现状 | 第11页 |
| 1.2.3 磨矿过程运行控制软件的研究现状 | 第11-12页 |
| 1.3 软测量技术 | 第12-14页 |
| 1.4 论文的研究内容和结构安排 | 第14-16页 |
| 1.4.1 论文的研究内容 | 第14页 |
| 1.4.2 论文的结构安排 | 第14-16页 |
| 第二章 磨矿过程描述 | 第16-26页 |
| 2.1 磨矿过程工艺流程 | 第16-18页 |
| 2.2 磨矿过程机理分析 | 第18-23页 |
| 2.2.1 磨矿过程数学模型 | 第18-20页 |
| 2.2.2 磨矿过程变量分析 | 第20-23页 |
| 2.3 磨矿分级过程控制 | 第23-24页 |
| 2.3.1 给矿量控制 | 第23页 |
| 2.3.2 磨矿浓度的控制 | 第23-24页 |
| 2.3.3 分级机溢流浓度控制 | 第24页 |
| 2.4 小结 | 第24-26页 |
| 第三章 磨矿粒度软测量的实现 | 第26-41页 |
| 3.1 磨矿粒度软测量算法基本理论 | 第26-31页 |
| 3.1.1 神经网络 | 第26-28页 |
| 3.1.2 粒子群算法 | 第28-31页 |
| 3.1.2.1 基本原理 | 第28-29页 |
| 3.1.2.2 模型分析 | 第29-30页 |
| 3.1.2.3 参数分析 | 第30-31页 |
| 3.1.3 混沌理论 | 第31页 |
| 3.2 改进的混沌自适应粒子群神经网络算法 | 第31-33页 |
| 3.3 软测量辅助变量的选择 | 第33页 |
| 3.4 磨矿粒度软测量模型的建立 | 第33-35页 |
| 3.5 磨矿粒度软测量仿真分析 | 第35-39页 |
| 3.5.1 算法步骤 | 第35-37页 |
| 3.5.2 仿真结果 | 第37-39页 |
| 3.6 小结 | 第39-41页 |
| 第四章 磨矿过程优化控制 | 第41-47页 |
| 4.1 变比值控制系统 | 第41-42页 |
| 4.2 模型解耦 | 第42-43页 |
| 4.3 仿真分析 | 第43-46页 |
| 4.4 小结 | 第46-47页 |
| 第五章 半实物仿真 | 第47-61页 |
| 5.1 硬件结构与软件系统 | 第47-49页 |
| 5.2 分布式半实物仿真平台研究 | 第49-53页 |
| 5.2.1 磨矿过程执行机构与检测仪表装置系统 | 第49-51页 |
| 5.2.2 磨矿过程虚拟对象 | 第51-52页 |
| 5.2.3 PLC控制和监控系统 | 第52-53页 |
| 5.2.4 优化软件 | 第53页 |
| 5.3 仿真实验研究 | 第53-60页 |
| 5.3.1 虚拟对象建立 | 第53-55页 |
| 5.3.2 执行机构与检测仪表虚拟平台 | 第55-57页 |
| 5.3.3 监控系统平台 | 第57页 |
| 5.3.4 优化控制系统平台 | 第57-59页 |
| 5.3.5 仿真结果 | 第59-60页 |
| 5.4 小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间所获得的相关科研成果 | 第67页 |
