氧化铝碳分过程末槽分解率预测模型及其修正方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·课题来源及研究意义 | 第8-9页 |
| ·氧化铝生产自动控制的研究现状 | 第9-11页 |
| ·烧结法生产氧化铝流程 | 第9页 |
| ·氧化铝生产自动化研究现状 | 第9-11页 |
| ·碳分过程自动控制的研究现状 | 第11-13页 |
| ·碳分过程自动控制研究现状 | 第11-12页 |
| ·碳酸化分解过程末槽分率的检测现状 | 第12-13页 |
| ·神经网络预测模型与在线修正方法研究现状 | 第13-15页 |
| ·神经网络在预测建模方面的研究现状 | 第13-14页 |
| ·预测模型修正方法的研究现状 | 第14-15页 |
| ·论文研究内容和结构安排 | 第15-17页 |
| 第二章 连续碳酸化分解工艺分析 | 第17-26页 |
| ·连续碳酸化分解机理 | 第17-18页 |
| ·连续碳酸化分解工艺过程分析 | 第18-20页 |
| ·连续碳酸化分解过程介绍 | 第18-19页 |
| ·工艺特点 | 第19-20页 |
| ·影响碳酸化分解过程的因素 | 第20-25页 |
| ·碳酸化分解过程的主要影响因素 | 第20-23页 |
| ·影响末槽分解率主要因素的确定 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 碳分过程末槽分解率预测模型 | 第26-45页 |
| ·碳分过程末槽分解率预测模型总体设计框架 | 第26-28页 |
| ·数据预处理 | 第28-32页 |
| ·数据样本筛选 | 第28-29页 |
| ·基于主元分析的输入数据集降维处理 | 第29-30页 |
| ·数据校正 | 第30-32页 |
| ·碳分末槽分解率的预测模型设计 | 第32-37页 |
| ·神经网络模型结构 | 第32-33页 |
| ·BP学习算法 | 第33-36页 |
| ·神经网络参数设置 | 第36-37页 |
| ·粒子群优化BP神经网络的权值和阈值 | 第37-42页 |
| ·粒子群优化算法 | 第37-39页 |
| ·粒子群算法优化神经网络模型 | 第39-40页 |
| ·PSO算法参数的设置 | 第40-42页 |
| ·实验仿真与结果分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第四章 末槽分解率预测模型的修正 | 第45-57页 |
| ·预测模型的在线修正 | 第45-48页 |
| ·预测模型的短期校正 | 第48-56页 |
| ·基于组合统计检验的新样本选择 | 第48-51页 |
| ·模型修正时机的选择 | 第51-53页 |
| ·碳分末槽分解率预测模型的短期校正 | 第53-54页 |
| ·实验仿真与结果分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间主要研究成果 | 第65页 |
