| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题的研究背景与意义 | 第10页 |
| 1.2 水泥烧成系统故障诊断国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11页 |
| 1.2.3 目前国内外研究所存在的问题 | 第11页 |
| 1.3 主要研究内容概述 | 第11-13页 |
| 第二章 新型干法水泥生产工艺及常见故障 | 第13-24页 |
| 2.1 新型干法水泥生产工艺介绍 | 第13-18页 |
| 2.1.1 生料的制备均化 | 第13-14页 |
| 2.1.2 预热器预热与预分解 | 第14-16页 |
| 2.1.3 熟料的烧成与冷却 | 第16-18页 |
| 2.2 水泥生产工艺现场操作及工艺参数分析 | 第18-21页 |
| 2.3 新型干法水泥生产过程常见工艺故障分析 | 第21-23页 |
| 2.3.1 常见工艺故障及故障原因分析 | 第21-23页 |
| 2.3.2 常见工艺故障与监测参数对应关系分析 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 新型干法水泥回转窑工况识别研究 | 第24-34页 |
| 3.1 水泥回转窑异常工况与窑电流信号分析 | 第24-25页 |
| 3.2 小波分析的基本原理 | 第25-30页 |
| 3.2.1 小波算法 | 第25-27页 |
| 3.2.2 常用的小波函数 | 第27-30页 |
| 3.3 小波去噪分析 | 第30页 |
| 3.4 基于小波的水泥回转窑窑电流工况识别研究分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 新型干法水泥烧成系统窑尾工况识别研究 | 第34-45页 |
| 4.1 新型干法水泥烧成系统窑尾气体温度预测意义分析 | 第34-35页 |
| 4.2 数据预处理 | 第35-38页 |
| 4.2.1 窑尾气体温度影响参数介绍 | 第36页 |
| 4.2.2 基于主成分分析的参数分析 | 第36-38页 |
| 4.3 基于BP神经网络的水泥烧成系统窑尾工况的研究 | 第38-42页 |
| 4.3.1 BP神经网络原理 | 第38-40页 |
| 4.3.2 建立BP神经网络温度预测模型 | 第40页 |
| 4.3.3 仿真结果验证 | 第40-42页 |
| 4.4 遗传算法优化神经网络的烧成系统窑尾工况识别研究 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 水泥烧成系统常见工艺故障分类诊断研究 | 第45-53页 |
| 5.1 水泥生产过程常见工艺故障分类研究 | 第45页 |
| 5.2 水泥生产工艺故障特征提取 | 第45-48页 |
| 5.2.1 主成分分析法提取故障样本属性参数 | 第46页 |
| 5.2.2 遗传算法优化-建模自变量降维方法特征提取 | 第46-48页 |
| 5.3 基于概率神经网络的烧成系统故障诊断分类研究 | 第48-52页 |
| 5.3.1 概率神经网络原理及模型建立 | 第48-50页 |
| 5.3.2 故障分类诊断结果仿真验证 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 水泥回转窑窑尾气体温度预测软件设计 | 第53-56页 |
| 6.1 水泥回转窑窑尾温度预测模块开发的工业需求 | 第53页 |
| 6.2 软件开发平台的选择 | 第53-54页 |
| 6.3 软件功能分析 | 第54页 |
| 6.4 软件界面的设计与介绍 | 第54-55页 |
| 6.5 小结 | 第55-56页 |
| 第七章 总结及展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 发表论文和科研情况说明 | 第60-61页 |
| 致谢 | 第61-62页 |
