| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外制粉系统优化的现状 | 第11-12页 |
| 1.3 国内球磨机料位检测的研究动态 | 第12-15页 |
| 1.3.1 以往的球磨机料位检测方法 | 第12-14页 |
| 1.3.2 新兴球磨机料位软测量技术 | 第14-15页 |
| 1.4 多传感器数据融合技术的起源与发展 | 第15-16页 |
| 1.4.1 多传感器数据融合技术的起源 | 第15-16页 |
| 1.4.2 多传感器数据融合技术的发展现状 | 第16页 |
| 1.5 论文的主要研究内容 | 第16-18页 |
| 第2章 数据融合理论基础及相关方法研究 | 第18-29页 |
| 2.1 数据融合的概念 | 第18页 |
| 2.2 数据融合的基本结构原理 | 第18-22页 |
| 2.2.1 数据融合的基础原理 | 第18-19页 |
| 2.2.2 数据融合模型 | 第19-20页 |
| 2.2.3 数据融合的结构分类 | 第20-22页 |
| 2.3 数据融合算法 | 第22-28页 |
| 2.3.1 贝叶斯估计法 | 第23-25页 |
| 2.3.2 Dempster-Shafer 证据理论法 | 第25页 |
| 2.3.3 基于人工智能的方法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 球磨机料位检测总体方案设计 | 第29-37页 |
| 3.1 球磨机结构原理及运行特点 | 第29-30页 |
| 3.1.1 球磨机结构原理 | 第29-30页 |
| 3.1.2 球磨机运行特点 | 第30页 |
| 3.2 球磨机机理模型 | 第30-32页 |
| 3.2.1 球磨机料位的定义 | 第30-31页 |
| 3.2.2 球磨机料位的计算 | 第31-32页 |
| 3.3 数据融合技术在球磨机料位检测中的实用性 | 第32页 |
| 3.4 方案总体设计 | 第32-34页 |
| 3.4.1 球磨机测控系统的结构流程 | 第32页 |
| 3.4.2 球磨机融合参数选择 | 第32-34页 |
| 3.4.3 融合结构与层次的选择 | 第34页 |
| 3.5 融合参数采集 | 第34-36页 |
| 3.5.1 磨音信号采集 | 第34-36页 |
| 3.5.2 其他参数采集 | 第36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 基于 CMAC 制粉系统优化测控算法研究及仿真 | 第37-55页 |
| 4.1 CMAC 神经网络 | 第37-41页 |
| 4.1.1 CMAC 神经网络的原理及其学习方法 | 第37-40页 |
| 4.1.2 CMAC 神经网络特性 | 第40-41页 |
| 4.2 基于 CMAC 神经网络的磨机料位数据融合软测量 | 第41-47页 |
| 4.2.1 对 CMAC 神经网络的改进与实现 | 第41-43页 |
| 4.2.2 训练样本的获取 | 第43页 |
| 4.2.3 融合结果分析 | 第43-47页 |
| 4.3 基于 CMAC 神经网络的料位控制 | 第47-50页 |
| 4.3.1 确定控制方法 | 第48页 |
| 4.3.2 CMAC 与 PID 复合控制 | 第48-49页 |
| 4.3.3 仿真结果分析 | 第49-50页 |
| 4.4 故障诊断 | 第50-54页 |
| 4.4.1 故障诊断的基本流程 | 第51-52页 |
| 4.4.2 故障诊断的指标及常见判定 | 第52页 |
| 4.4.3 制粉系统故障诊断的方法 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |
