知识与数据驱动的赤铁矿磨矿分级过程在线优化研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-16页 |
1.1 课题研究背景及意义 | 第10-11页 |
1.2 过程优化的发展及研究现状 | 第11-13页 |
1.3 磨矿过程工艺参数优化问题的发展及研究现状 | 第13-15页 |
1.4 论文主要工作 | 第15-16页 |
第2章 赤铁矿磨矿分级工艺过程以及工艺参数的分析 | 第16-28页 |
2.1 磨矿分级过程工艺 | 第16-20页 |
2.1.1 磨矿分级过程主要设备 | 第16-18页 |
2.1.2 磨矿分级工艺流程 | 第18-20页 |
2.2 磨矿分级相关工艺参数特性分析 | 第20-23页 |
2.3 磨矿过程工艺参数优化要求 | 第23-24页 |
2.4 磨矿分级在线优化基本思路 | 第24-25页 |
2.5 本章小结 | 第25-28页 |
第3章 基于案例推理的磨矿分级在线优化方法 | 第28-50页 |
3.1 案例推理的基本原理与基本过程 | 第28-32页 |
3.2 基于网格聚类的案例检索方法 | 第32-37页 |
3.2.1 二级索引机制 | 第32-33页 |
3.2.2 网格聚类方法 | 第33-35页 |
3.2.3 基于网格聚类的案例检索过程 | 第35-37页 |
3.3 基于案例推理的磨矿分级过程在线优化策略 | 第37-49页 |
3.3.1 输入输出特性参数选择 | 第38页 |
3.3.2 磨矿分级过程优化思路 | 第38-40页 |
3.3.3 磨矿分级过程案例库构造 | 第40-41页 |
3.3.4 基于网格聚类的磨矿分级过程案例的检索 | 第41-44页 |
3.3.5 磨矿分级过程案例库维护 | 第44-49页 |
3.4 本章小结 | 第49-50页 |
第4章 基于贝叶斯网络的磨矿分级过程在线补偿方法 | 第50-68页 |
4.1 贝叶斯网络理论 | 第50-53页 |
4.1.1 贝叶斯参数学习 | 第51-52页 |
4.1.2 贝叶斯网络推理 | 第52-53页 |
4.2 磨矿分级过程在线补偿思路 | 第53-54页 |
4.3 贝叶斯网络在磨矿分级在优化补偿中的应用 | 第54-62页 |
4.3.1 磨矿分级补偿模型的结构构造 | 第54-58页 |
4.3.2 磨矿分级补偿模型的参数学习 | 第58-60页 |
4.3.3 磨矿分级补偿模型的推理应用 | 第60-62页 |
4.4 仿真验证 | 第62-66页 |
4.5 本章小结 | 第66-68页 |
第5章 总结与展望 | 第68-70页 |
5.1 总结 | 第68页 |
5.2 展望 | 第68-70页 |
参考文献 | 第70-74页 |
致谢 | 第74页 |