摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
1. 绪论 | 第10-24页 |
·研究背景 | 第10-11页 |
·电渣重熔技术的发展历史及特点 | 第11-12页 |
·电渣重熔技术简介 | 第12-16页 |
·电渣重熔设备介绍 | 第12-14页 |
·电渣重熔过程原理及操作简介 | 第14-15页 |
·电渣重熔过程的工艺参数影响 | 第15-16页 |
·电渣重熔设备的研究及改进 | 第16页 |
·电渣重熔技术的现状及研究方向 | 第16-18页 |
·电渣重熔过程中的智能控制技术 | 第18-22页 |
·神经网络控制 | 第19-20页 |
·模糊控制 | 第20-21页 |
·解耦控制 | 第21-22页 |
·本文内容安排 | 第22-24页 |
2. 基于混合人工鱼群算法优化的电渣重熔过程 RBF 神经网络软测量建模 | 第24-44页 |
·引言 | 第24页 |
·软测量技术 | 第24-28页 |
·软测量技术 | 第24-25页 |
·辅助变量的选择 | 第25-26页 |
·过程数据的预处理 | 第26页 |
·在线矫正 | 第26页 |
·软测量对象的数学建模分析 | 第26-28页 |
·RBF 神经网络及其算法 | 第28-30页 |
·RBF 神经网络概述 | 第28页 |
·RBF 神经网络模型 | 第28-29页 |
·RBF 网络学习算法 | 第29-30页 |
·基于交叉变异操作的混合人工鱼群算法 | 第30-35页 |
·人工鱼群算法概述 | 第30-32页 |
·人工鱼群算法的基本定义及其实现过程 | 第32-33页 |
·基于交叉变异操作的混合人工鱼群算法 | 第33-35页 |
·电渣重熔过程中软测量技术的实现 | 第35-42页 |
·电渣重熔过程中 RBF 软测量模型结构 | 第35-37页 |
·基于交叉变异操作的人工鱼群算法优化 RBF 神经网络的流程 | 第37-38页 |
·电渣重熔过程的软测量实现 | 第38-42页 |
·本章小结 | 第42-44页 |
3. 基于粗糙集的电渣重熔过程操作模式提取及设定值优化 | 第44-60页 |
·引言 | 第44页 |
·操作模式优化 | 第44-49页 |
·操作模式优化概述 | 第44-47页 |
·操作模式优化中的模式挖掘 | 第47-48页 |
·操作模式的模式学习和应用 | 第48-49页 |
·粗糙集理论介绍 | 第49-51页 |
·粗糙集理论概述 | 第49-50页 |
·知识表达系统 | 第50页 |
·等价关系和不可分辨关系 | 第50页 |
·上、下近似集 | 第50-51页 |
·核和知识约简 | 第51页 |
·粗糙集理论的约简算法 | 第51-53页 |
·基于遗传适应度函数的粗糙集属性约简算法 | 第51-53页 |
·基于分类一致性的属性值约简算法 | 第53页 |
·电渣重熔过程的设定值优化 | 第53-59页 |
·连续型属性数据离散化 | 第54-55页 |
·基于粗糙集知识约简的模式知识获取 | 第55-56页 |
·操作模式匹配和操作模式规则匹配 | 第56页 |
·基于操作模式优化的电渣重熔过程设定值优化 | 第56-59页 |
·本章小结 | 第59-60页 |
4. 基于改进粒子群优化算法的电渣重熔过程解耦控制策略 | 第60-86页 |
·引言 | 第60页 |
·电渣重熔过程的数学模型简介 | 第60-62页 |
·电渣重熔过程的解耦控制 | 第62-67页 |
·对角矩阵解耦 | 第62-64页 |
·电渣重熔过程解耦控制器的设计 | 第64-67页 |
·基于自适应混沌移民变异操作的混合粒子群算法的 PID 控制器设计 | 第67-78页 |
·PID 控制算法 | 第68-69页 |
·粒子群优化算法 | 第69页 |
·遗传算法概述 | 第69-72页 |
·基于自适应混沌移民变异操作的混合粒子群算法介绍 | 第72-74页 |
·基于临界比度法的 PID 参数整定 | 第74-77页 |
·改进粒子群算法的 PID 参数整定空间 | 第77-78页 |
·电渣重熔过程中的解耦模型及仿真 | 第78-84页 |
·电渣重熔过程的耦合对象模型仿真 | 第78-80页 |
·PID 解耦控制效果对比 | 第80-84页 |
·本章小结 | 第84-86页 |
5. 结论 | 第86-88页 |
参考文献 | 第88-92页 |
攻读硕士学位期间发表学术论文情况 | 第92-94页 |
致谢 | 第94-96页 |
作者简介 | 第96-97页 |