水力旋流器溢流粒度软测量方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·课题研究背景 | 第10-11页 |
| ·粒度检测方法 | 第11-14页 |
| ·离线粒度检测方法 | 第11-12页 |
| ·在线粒度检测方法 | 第12-13页 |
| ·选矿中粒度检测的应用现状 | 第13页 |
| ·粒度软测量的意义 | 第13-14页 |
| ·软测量技术简介 | 第14-21页 |
| ·软测量技术基本理论 | 第14-15页 |
| ·软测量的数学描述 | 第15-16页 |
| ·影响软测量模型性能的主要因素 | 第16-21页 |
| ·本论文研究的主要内容 | 第21-22页 |
| 第2章 磨矿分级过程工艺 | 第22-32页 |
| ·磨矿分级工艺 | 第22-24页 |
| ·磨矿分级所面临的困难 | 第24页 |
| ·水力旋流器 | 第24-31页 |
| ·水力旋流器的分级原理 | 第25-26页 |
| ·水力旋流器分离性能的参数 | 第26-28页 |
| ·水力旋流器的分离粒度的数学模型 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 粒子群优化BP神经网络算法研究 | 第32-62页 |
| ·神经网络基本原理 | 第32-44页 |
| ·人工神经网络 | 第32-38页 |
| ·BP神经网络 | 第38-44页 |
| ·粒子群优化算法及其改进 | 第44-56页 |
| ·粒子群算法简介 | 第44页 |
| ·标准粒子群算法 | 第44-46页 |
| ·粒子群算法的改进算法 | 第46-47页 |
| ·惯性权重的选取 | 第47-51页 |
| ·仿真分析 | 第51-56页 |
| ·用改进的粒子群算法优化BP神经网络 | 第56-61页 |
| ·神经网络模型优化 | 第56页 |
| ·算法流程 | 第56-58页 |
| ·仿真验证与结果分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第4章 溢流粒度软测量模型的建立与仿真 | 第62-70页 |
| ·建模分析 | 第62-63页 |
| ·溢流粒度分布经验模型 | 第63-64页 |
| ·旋流器溢流粒度分布软测量模型的建立 | 第64-67页 |
| ·辅助变量的选取 | 第64-65页 |
| ·数据预处理 | 第65页 |
| ·模型的建立 | 第65-66页 |
| ·模型的校正 | 第66-67页 |
| ·仿真结果与分析 | 第67-69页 |
| ·经验模型的建立及仿真 | 第67-68页 |
| ·软测量模型仿真 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 结论与展望 | 第70-72页 |
| ·论文研究总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
