以透气性为中心的铅锌矿烧结混合料水分智能集成控制
| 第一章 课题的来源及意义 | 第1-13页 |
| 1．1 课题的来源及意义 | 第7页 |
| 1．2 ISP铅锌冶炼方法简介 | 第7-8页 |
| 1．2．1 韶关冶炼厂的ISP过程生产概况 | 第7-8页 |
| 1．2．2 ISP冶炼方法的特点 | 第8页 |
| 1．3 国内外ISP冶炼工艺过程控制的研究现状 | 第8-10页 |
| 1．4 课题的提出及研究方法 | 第10-13页 |
| 1．4．1 课题的提出 | 第10-11页 |
| 1．4．2 课题的研究方法 | 第11-13页 |
| 第二章 ISP烧结过程的机理分析 | 第13-21页 |
| 2．1 ISP烧结工艺流程介绍 | 第13-15页 |
| 2．2 烧结焙烧的基本原理 | 第15-16页 |
| 2．3 烧结焙烧过程的化学机理分析 | 第16-19页 |
| 2．3．1 硫化铅的焙烧反应分析 | 第16-17页 |
| 2．3．2 硫化锌的焙烧反应分析 | 第17-18页 |
| 2．3．3 其它元素的焙烧反应 | 第18-19页 |
| 2．4 烧结块的质量指标 | 第19-21页 |
| 第三章 混合料水分的作用及对烧结透气性的影响 | 第21-26页 |
| 3．1 混合料水分的作用 | 第21页 |
| 3．2 烧结透气性 | 第21-26页 |
| 3．2．1 烧结透气性的概述 | 第21-22页 |
| 3．2．2 影响透气性的因素 | 第22-26页 |
| 第四章 烧结透气性神经网络模型 | 第26-40页 |
| 4．1 透气性的Voice公式 | 第26页 |
| 4．2 神经网络建模理论 | 第26-31页 |
| 4．2．1 概述 | 第26-27页 |
| 4．2．2 神经网络的一般框架 | 第27页 |
| 4．2．3 人工神经元模型 | 第27-29页 |
| 4．2．4 人工神经网络的构成 | 第29-30页 |
| 4．2．5 人工神经网络的学习 | 第30页 |
| 4．2．6 神经网络的基本特性 | 第30-31页 |
| 4．3 BP神经网络 | 第31-34页 |
| 4．4 基于神经网络的系统建模 | 第34页 |
| 4．4．1 模型的选择 | 第34页 |
| 4．4．2 输入信号的选择 | 第34页 |
| 4．4．3 误差准则的选择 | 第34页 |
| 4．5 烧结过程透气性综合指数的神经网络预测模型 | 第34-40页 |
| 4．5．1 烧结过程的综合透气性指数 | 第34-35页 |
| 4．5．2 透气性综合指数的神经网络预测模型 | 第35-38页 |
| 4．5．3 透气性判断模型 | 第38-40页 |
| 第五章 以透气性为中心的水分智能集成控制系统 | 第40-52页 |
| 5．1 韶冶的混合料水分控制现状 | 第40-41页 |
| 5．2 透气性中心控制策略 | 第41-42页 |
| 5．3 水分智能集成优化控制 | 第42-45页 |
| 5．3．1 智能控制及智能集成优化控制概述 | 第42-43页 |
| 5．3．2 各种智能方法的优缺点 | 第43页 |
| 5．3．3 智能集成控制的必要性 | 第43-44页 |
| 5．3．4 复杂过程智能集成优化控制概述 | 第44-45页 |
| 5．4 透气性神经网络模型 | 第45页 |
| 5．5 水分优化遍历搜索算法 | 第45-46页 |
| 5．6 水分控制专家规则 | 第46-49页 |
| 5．6．1 专家系统概论 | 第46-47页 |
| 5．6．2 专家系统的基本组成 | 第47-48页 |
| 5．6．3 水分控制专家规则表 | 第48-49页 |
| 5．7 系统的控制框图 | 第49-50页 |
| 5．8 仿真结果 | 第50-52页 |
| 第六章 系统的软件实现 | 第52-60页 |
| 6．1 软件的开发环境 | 第52页 |
| 6．2 Visual C++6．0的特点 | 第52-53页 |
| 6．3 软件的设计 | 第53-55页 |
| 6．3．1 软件的功能结构 | 第54页 |
| 6．3．2 通信模块 | 第54-55页 |
| 6．3．3 透气性智能专家控制模块 | 第55页 |
| 6．3．4 混合料水分控制模块 | 第55页 |
| 6．3．5 烧结机温度场分布与烧穿点预测模块 | 第55页 |
| 6．4 软件的界面 | 第55-60页 |
| 6．4．1 软件的界面框架结构 | 第55-56页 |
| 6．4．2 软件的界面 | 第56-60页 |
| 第七章 结束语 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
