模糊神经网络在磨矿控制系统中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·选题的背景及研究的意义 | 第8-9页 |
| ·磨矿控制研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·未来发展趋势 | 第11页 |
| ·本文的主要研究内容 | 第11-12页 |
| 第二章 磨矿过程 | 第12-21页 |
| ·磨矿工艺及其主要设备 | 第12-13页 |
| ·典型两段式磨矿流程 | 第13-15页 |
| ·磨矿设备的数学模型 | 第15-19页 |
| ·磨矿过程的控制难点 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 磨矿系统模型的辨识 | 第21-30页 |
| ·神经网络 | 第21-25页 |
| ·神经网络的基本原理 | 第21页 |
| ·神经网络的学习方式与学习规则 | 第21-23页 |
| ·神经网络的优缺点 | 第23-24页 |
| ·对神经网络的改进 | 第24-25页 |
| ·神经网络对系统的辨识 | 第25-27页 |
| ·磨矿模型的系统辨识 | 第27-29页 |
| ·磨矿数据的选择与处理 | 第27-28页 |
| ·辨识的仿真结果 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 磨矿系统的控制方法研究 | 第30-49页 |
| ·磨矿系统的控制方案 | 第30-31页 |
| ·模糊神经网络 | 第31-34页 |
| ·模糊控制的基本原理 | 第31-32页 |
| ·模糊控制的优缺点 | 第32-33页 |
| ·模糊神经网络的基本原理 | 第33页 |
| ·模糊神经网络的优势 | 第33-34页 |
| ·补偿模糊神经网络对磨矿系统的控制 | 第34-47页 |
| ·模糊神经元 | 第34-36页 |
| ·网络结构 | 第36-38页 |
| ·补偿模糊神经网络推理 | 第38-39页 |
| ·隶属度函数的确定 | 第39-41页 |
| ·选取隶属度函数的中心和宽度 | 第41-42页 |
| ·学习速率的确定 | 第42页 |
| ·补偿模糊神经网络的训练 | 第42-44页 |
| ·补偿模糊神经网络学习过程流程图 | 第44-46页 |
| ·仿真结果 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 磨矿优化虚拟设备上的模拟实现 | 第49-62页 |
| ·运行控制半实物仿真平台 | 第49-50页 |
| ·仿真平台的子系统 | 第50-57页 |
| ·虚拟对象系统 | 第50-52页 |
| ·虚拟IO系统 | 第52-53页 |
| ·过程控制系统 | 第53-55页 |
| ·监控系统 | 第55-57页 |
| ·优化系统 | 第57页 |
| ·优化控制系统上的模拟实现 | 第57-61页 |
| ·项目管理 | 第57-58页 |
| ·算法配置 | 第58-59页 |
| ·运行界面的设计 | 第59-60页 |
| ·模拟实验结果 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-63页 |
| ·结论 | 第62页 |
| ·工作展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间所取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |
