| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 绪论 | 第9-17页 |
| 1.1 选题背景及来源 | 第9-10页 |
| 1.2 浮选工艺概述 | 第10-12页 |
| 1.3 国内外研究现状及分析 | 第12-15页 |
| 1.4 研究意义及研究内容 | 第15-17页 |
| 1.4.1 研究意义 | 第15-16页 |
| 1.4.2 主要研究内容 | 第16-17页 |
| 2. 系统建模的预处理 | 第17-28页 |
| 2.1 粗糙集基础理论及其应用研究 | 第17-19页 |
| 2.1.1 粗糙集基础理论概述 | 第17-18页 |
| 2.1.2 粗糙集的相关理论及其应用 | 第18-19页 |
| 2.2 基于粗糙集—神经网络的研究 | 第19-20页 |
| 2.3 粗神经网络研究 | 第20页 |
| 2.4 粗糙集与神经网络的集成在系统应用中的分析 | 第20-21页 |
| 2.5 非在线学习系统的数据预处理 | 第21-25页 |
| 2.5.1 样本数据采集 | 第21-22页 |
| 2.5.2 模糊均值聚类对原始数据流处理 | 第22-25页 |
| 2.6 浮选生产过程在线数据预处理 | 第25-27页 |
| 2.6.1 数据清洗 | 第25页 |
| 2.6.2 实时在线测量数据的除噪滤波 | 第25-26页 |
| 2.6.3 利用控制图法做数据预处理 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 3. PCA 结合 RBF 神经网络预测浮选经济技术指标 | 第28-36页 |
| 3.1 主元成分分析和 RBF 神经网络预测系统的构成 | 第28-30页 |
| 3.2 主元分析系统在浮选生产中的应用研究 | 第30-32页 |
| 3.3 浮选生产的经济指标预测的神经网络构建 | 第32-35页 |
| 3.3.1 浮选生产的经济指标预测 | 第32-33页 |
| 3.3.2 浮选系统的实际预测分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4. 基于粗糙集—神经网络预测浮选生产过程药剂流量 | 第36-44页 |
| 4.1 粗糙集控制的基本理念 | 第36-37页 |
| 4.2 粗糙集控制思想在反浮选生产中的应用研究 | 第37-40页 |
| 4.2.1 粗糙集控制的条件属性值和决策属性值的建立 | 第37-38页 |
| 4.2.2 浮选药剂流量控制的实际验证 | 第38-40页 |
| 4.3 粗糙理论与神经网络结合对浮选药剂流量的控制 | 第40-43页 |
| 4.3.1 粗糙集—神经网络系统的设计 | 第40-41页 |
| 4.3.2 BP 神经网络系统的构建 | 第41-42页 |
| 4.3.3 对粗糙集—神经网络预测控制模型的仿真实现 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5. 浮选生产过程的集成 | 第44-50页 |
| 5.1 概述 | 第44页 |
| 5.2 浮选生产系统集成的构建 | 第44-45页 |
| 5.3 浮选生产系统软测量的构建 | 第45-47页 |
| 5.4 浮选生产控制系统的现场应用 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 6. 结论和展望 | 第50-52页 |
| 6.1 本论文所做的工作 | 第50-51页 |
| 6.2 对浮选生产过程控制的未来设想 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56-57页 |
