| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-23页 |
| ·引言 | 第10-12页 |
| ·阳极焙烧过程控制系统概述 | 第12-16页 |
| ·阳极焙烧控制技术的发展现状及研究进展 | 第16-19页 |
| ·阳极焙烧控制技术发展现状 | 第16-18页 |
| ·阳极焙烧控制技术的研究进展 | 第18-19页 |
| ·本文的主要研究工作 | 第19-23页 |
| 2 阳极焙烧过程非线性信号智能化测量与校正方法 | 第23-48页 |
| ·引言 | 第23-25页 |
| ·阳极焙烧过程中需要测量的主要物理量 | 第23-24页 |
| ·阳极焙烧物理量的测量及存在的问题 | 第24-25页 |
| ·本章智能化测量与校正方法的研究内容 | 第25页 |
| ·基于RBF-PSO的焙烧温度智能化测量与校正方法 | 第25-35页 |
| ·传统的温度测量方法 | 第25-26页 |
| ·温度RBF测量和PSO优化 | 第26-30页 |
| ·温度RBF-PSO测量与非线性校正的仿真试验研究 | 第30-32页 |
| ·焙烧温度RBF测量和PSO优化应用结果 | 第32-35页 |
| ·基于WNN-PSO的焙烧压力智能化测量与校正方法 | 第35-42页 |
| ·压力WNN测量及PSO原理方法 | 第36-38页 |
| ·压力WNN数据融合和PSO优化 | 第38-40页 |
| ·焙烧烟气压力WNN-PSO测量与非线性校正的仿真试验研究 | 第40-42页 |
| ·焙烧烟气压力的WNN测量和PSO优化应用结论 | 第42页 |
| ·基于LSSVM的阳极温度智能化测量与校正方法 | 第42-47页 |
| ·基于SVM的阳极温度测量原理与校正方法 | 第43-44页 |
| ·采用SVM方法对阳极温度值的预测和估计 | 第44-45页 |
| ·阳极温度测量值的智能非线性校正仿真试验研究 | 第45-46页 |
| ·实际应用结果 | 第46-47页 |
| ·小结 | 第47-48页 |
| 3 阳极焙烧智能预测函数控制方法的研究 | 第48-74页 |
| ·引言 | 第48-49页 |
| ·智能预测函数控制原理及算法的研究 | 第49-52页 |
| ·模糊预测函数控制原理及应用 | 第52-58页 |
| ·F-PFC的基本原理 | 第52-53页 |
| ·F-PFC方法在阳极焙烧过程重油供给温度控制中的应用 | 第53-58页 |
| ·基于遗传算法预测函数控制的重油供给压力动态跟踪控制 | 第58-64页 |
| ·GA-PFC基本原理 | 第58页 |
| ·重油供给压力的GA-PFC动态跟踪控制 | 第58-64页 |
| ·重油输送温度的智能预测变参数 PID控制 | 第64-73页 |
| ·智能预测变参数 PID控制的基本原理 | 第64-69页 |
| ·智能预测变参数PID控制在重油输送温度控制中的应用 | 第69-73页 |
| ·小结 | 第73-74页 |
| 4 阳极焙烧过程智能化建模、优化与控制方法的研究及应用 | 第74-99页 |
| ·引言 | 第74-75页 |
| ·阳极焙烧过程模型及问题 | 第74-75页 |
| ·本文焙烧过程控制模型的建立方法 | 第75页 |
| ·焙烧室温度场控制模型的建立 | 第75-89页 |
| ·基于遗传算法优化神经网络的焙烧温度控制模型 | 第75-82页 |
| ·一种用于模型和控制参数的智能优化方法 | 第82-86页 |
| ·基于遗传算法优化小波神经网络的焙烧室控制模型 | 第86-89页 |
| ·焙烧室加热段温度智能滑模变结构控制方法 | 第89-96页 |
| ·智能滑模变结构控制器的设计 | 第89-90页 |
| ·智能变结构控制器的实现 | 第90-94页 |
| ·实验研究 | 第94-96页 |
| ·焙烧室预热段温度智能变参数PID控制 | 第96-97页 |
| ·变参数PID控制原理 | 第96页 |
| ·焙烧预热温度控制中变参数PID优化过程 | 第96-97页 |
| ·实验研究 | 第97页 |
| ·小结 | 第97-99页 |
| 5 阳极焙烧烟气系统多变量智能预测函数控制研究 | 第99-113页 |
| ·引言 | 第99-100页 |
| ·阳极焙烧过程烟气温度模型的建立 | 第100-103页 |
| ·阳极焙烧烟气多变量系统辨识方法 | 第100-101页 |
| ·阳极焙烧排烟系统温度控制模型的建立 | 第101-102页 |
| ·仿真试验研究 | 第102-103页 |
| ·阳极焙烧过程烟气压力模型的建立 | 第103-105页 |
| ·阳极焙烧排烟系统负压控制模型的建立 | 第103-104页 |
| ·仿真试验研究 | 第104-105页 |
| ·基于多变量遗传算法预测函数控制的烟气排放负压控制方法 | 第105-110页 |
| ·多变量遗传算法预测函数控制的基本原理 | 第105-107页 |
| ·过程控制的预测输出 | 第107页 |
| ·多变量解耦控制律设计 | 第107-109页 |
| ·仿真试验研究 | 第109页 |
| ·实际应用 | 第109-110页 |
| ·基于多变量遗传算法预测函数控制的烟气温度控制方法 | 第110-111页 |
| ·排烟温度多变量遗传算法预测函数控制方法 | 第110页 |
| ·仿真试验研究 | 第110-111页 |
| ·实际应用 | 第111页 |
| ·基于串级智能预测函数控制的烟气负压和温度控制方法 | 第111-112页 |
| ·小结 | 第112-113页 |
| 6 阳极焙烧控制系统的实现与工程应用 | 第113-131页 |
| ·引言 | 第113-115页 |
| ·阳极焙烧控制系统总体结构及其软、硬件实现 | 第115-123页 |
| ·生块编组控制系统 | 第115-116页 |
| ·熟块解组自动控制系统 | 第116-117页 |
| ·重油输送与供给控制系统 | 第117-118页 |
| ·烟气净化部分自动监控系统 | 第118-119页 |
| ·阳极焙烧燃烧控制系统 | 第119-121页 |
| ·焙烧烟气排放控制系统 | 第121-123页 |
| ·阳极焙烧核心和难点控制问题 | 第123页 |
| ·阳极焙烧控制系统运行结果分析与比较 | 第123-129页 |
| ·阳极焙烧过程中非线性信号智能化测量与校正方法的应用结果 | 第123-125页 |
| ·智能预测函数控制方法在阳极焙烧系统控制中的应用结果 | 第125页 |
| ·阳极焙烧过程智能化建模、优化与控制方法的应用结果 | 第125-128页 |
| ·阳极焙烧烟气系统多变量智能预测函数控制系统的应用结果 | 第128-129页 |
| ·小结 | 第129-131页 |
| 7 总结与展望 | 第131-134页 |
| ·全文总结 | 第131-133页 |
| ·展望 | 第133-134页 |
| 致谢 | 第134-136页 |
| 参考文献 | 第136-145页 |
| 攻读博士学位期间的研究成果 | 第145页 |
