基于神经网络的氧化铝浓度控制研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·铝电解国内外发展现状 | 第9页 |
| ·课题研究的目的和研究内容 | 第9-10页 |
| ·研究目的 | 第9-10页 |
| ·研究内容 | 第10页 |
| ·论文组织结构 | 第10-12页 |
| 2 铝电解工艺机理和控制技术 | 第12-24页 |
| ·铝电解基本原理 | 第12-13页 |
| ·铝电解工艺 | 第13-17页 |
| ·电解温度 | 第13-14页 |
| ·分子比 | 第14-15页 |
| ·氧化铝浓度 | 第15页 |
| ·阳极效应(AE) | 第15-16页 |
| ·槽电压 | 第16-17页 |
| ·氧化铝控制技术介绍 | 第17-22页 |
| ·本文思路 | 第22-23页 |
| ·本章小节 | 第23-24页 |
| 3 基于遗传神经网络的槽电阻预测 | 第24-42页 |
| ·BP 神经网络 | 第24-26页 |
| ·BP 神经网络介绍 | 第24页 |
| ·BP 神经网络原理 | 第24-25页 |
| ·BP 网络的不足 | 第25-26页 |
| ·遗传算法 | 第26-28页 |
| ·遗传算法介绍 | 第26-27页 |
| ·遗传操作原理 | 第27-28页 |
| ·遗传算法优化 BP 神经网络的算法设计 | 第28页 |
| ·基于遗传神经网络的槽电阻预测模型的设计 | 第28-41页 |
| ·槽电阻解析 | 第28-30页 |
| ·槽电阻时间序列预测 | 第30-32页 |
| ·遗传神经网络的槽电阻预测模型确定 | 第32-37页 |
| ·实验 | 第37-41页 |
| ·小结 | 第41-42页 |
| 4 基于神经网络的氧化铝浓度控制 | 第42-52页 |
| ·电解槽的槽状态 | 第42-44页 |
| ·基于 LVQ 神经网络的槽状态识别 | 第44-47页 |
| ·LVQ 神经网络概述 | 第44-45页 |
| ·学习算法 | 第45-46页 |
| ·网络设计 | 第46-47页 |
| ·槽状态识别实验 | 第47-48页 |
| ·氧化铝浓度控制 | 第48-51页 |
| ·氧化铝浓度测量 | 第48-49页 |
| ·氧化铝浓度控制 | 第49-51页 |
| ·小结 | 第51-52页 |
| 5 结论与展望 | 第52-53页 |
| ·全文总结 | 第52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57页 |
