首页--工业技术论文--冶金工业论文--有色金属冶炼论文--重金属冶炼论文

面向生产目标的铅锌烧结过程建模及优化研究

摘要第1-5页
ABSTRACT第5-15页
第一章 绪论第15-29页
   ·研究背景与目的意义第15-18页
   ·国内外研究与应用现状第18-26页
     ·烧结过程的机理分析方法第18-19页
     ·烧结块成分预测与控制第19-20页
     ·烧结过程状态参数预测与优化控制第20-21页
     ·具有约束条件的单目标优化算法第21-24页
     ·具有约束条件的多目标优化算法第24-26页
   ·烧结过程建模及优化存在的主要问题第26-27页
   ·论文主要内容及构成第27-29页
第二章 过程状态参数集成预测模型第29-65页
   ·铅锌烧结过程及其特点第29-33页
     ·烧结过程工艺流程第29-31页
     ·烧结焙烧基本原理第31-33页
   ·烧结过程的各类参数分析第33-34页
   ·综合透气性集成预测模型第34-51页
     ·影响料层透气性指数的主要因素分析第35-37页
     ·综合透气性模型第37-39页
     ·数据关联性分析第39-42页
     ·具有在线修正能力的灰色理论预测模型第42-45页
     ·基于工艺参数的预测模型第45-48页
     ·基于信息熵技术的集成预测模型第48-51页
   ·烧穿点集成预测模型第51-63页
     ·烧穿点软测量方法第51-52页
     ·影响烧穿点的主要因素第52-55页
     ·T-S模糊预测模型第55-60页
     ·工艺参数预测模型第60-61页
     ·集成预测模型的建立及实验结果分析第61-63页
   ·小结第63-65页
第三章 产量质量智能预测模型第65-88页
   ·影响烧结块产量质量的因素第65-69页
     ·机理分析第65-68页
     ·产量质量预测模型的输入变量第68-69页
   ·烧结块产量质量预测模型第69-73页
     ·产量预测模型第69-71页
     ·质量预测模型第71-73页
   ·基于混合粒子群算法的优化算法第73-81页
     ·粒子群算法和共轭梯度法分析第73-75页
     ·混合粒子群优化算法第75-77页
     ·数值实验第77-81页
   ·基于混合粒子群算法的神经网络训练第81-87页
     ·适应度函数的建立第81-83页
     ·实验结果第83-87页
   ·结论第87-88页
第四章 基于混合粒子群算法的产量质量优化第88-106页
   ·产量质量优化数学模型第88-90页
   ·综合工况评判模型第90-91页
   ·具有多约束条件的智能优化方法第91-93页
     ·有约束条件的优化问题第91-92页
     ·并行优化原理第92-93页
   ·基于改进线性法的混合粒子群优化算法第93-102页
     ·粒子群算法早熟的几种情况分析第93-94页
     ·线性搜索方法第94-95页
     ·混合粒子群优化算法第95-98页
     ·算法的收敛性分析第98-99页
     ·数值实验第99-102页
   ·产量质量优化仿真实验第102-104页
   ·小结第104-106页
第五章 基于多目标粒子群协同算法的状态参数优化第106-121页
   ·多目标优化模型第106-107页
   ·有约束条件的多目标优化方法第107-111页
     ·有约束条件的多目标优化问题第108-109页
     ·种群个体支配比较方法第109页
     ·群体排序方法第109-110页
     ·归档机制与粒子极值的选取第110-111页
   ·多目标粒子群协同优化算法第111-116页
     ·标准粒子群算法对粒子的评价第111-112页
     ·多目标粒子群协同优化算法的实现第112-114页
     ·协同算法优化仿真结果分析第114-116页
   ·烧结过程优化仿真实现第116-120页
     ·烧结过程的优化设计流程第116-117页
     ·优化仿真实验第117-120页
   ·小结第120-121页
第六章 结论与展望第121-124页
   ·结论第121-123页
   ·展望第123-124页
参考文献第124-134页
致谢第134-135页
攻读博士学位期间发表及完成论文情况第135-136页
攻读博士学位期间参加的科研项目情况第136页

论文共136页,点击 下载论文
上一篇:石煤型钒矿焙烧—浸出过程的理论研究
下一篇:Ag-Sn合金氧化机理与Ag-SnO2材料的高温塑性变形行为研究