磨矿过程参数软测量与综合优化控制的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-29页 |
| ·选题意义 | 第11-13页 |
| ·磨矿过程控制概述 | 第13-17页 |
| ·磨矿过程控制方法的现状 | 第13-14页 |
| ·磨矿过程控制的复杂性 | 第14-15页 |
| ·磨矿过程控制存在的问题 | 第15页 |
| ·近期发展趋势 | 第15-17页 |
| ·软测量技术 | 第17-27页 |
| ·软测量技术及其原理 | 第17-19页 |
| ·软测量技术研究与应用 | 第19-25页 |
| ·软测量技术存在问题 | 第25-26页 |
| ·研究方向及展望 | 第26-27页 |
| ·论文主要内容 | 第27-29页 |
| 2 磨矿过程控制机理分析 | 第29-40页 |
| ·磨矿过程工艺流程 | 第29-30页 |
| ·磨矿过程机理分析 | 第30-34页 |
| ·磨矿过程数学模型 | 第30-31页 |
| ·磨矿过程变量分析 | 第31-34页 |
| ·磨矿过程控制 | 第34-40页 |
| ·给矿量控制 | 第35页 |
| ·磨机负荷控制 | 第35-36页 |
| ·磨矿浓度控制 | 第36-38页 |
| ·分级溢流粒度控制 | 第38-39页 |
| ·介质填充控制 | 第39-40页 |
| 3 磨矿浓度软测量 | 第40-62页 |
| ·磨矿浓度软测量辅助变量选择 | 第41-50页 |
| ·分步辅助变量选择及其存在的问题 | 第41页 |
| ·灰关联辅助变量选择 | 第41-49页 |
| ·组合确认 | 第49-50页 |
| ·磨矿浓度软测量建模 | 第50-56页 |
| ·软测量建模数据预处理 | 第51页 |
| ·网络模型训练 | 第51-54页 |
| ·模型测试 | 第54-56页 |
| ·讨论 | 第56页 |
| ·磨矿浓度软测量模型校正 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 4 磨矿浓度控制 | 第62-69页 |
| ·模糊 PID控制 | 第62-64页 |
| ·模糊分析 | 第62-63页 |
| ·PID参数整定原则 | 第63页 |
| ·PID参数整定方法 | 第63页 |
| ·模糊 PID | 第63-64页 |
| ·磨矿浓度串级控制 | 第64-68页 |
| ·补水副回路模糊 PID控制 | 第65-67页 |
| ·磨矿浓度主回路控制 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 5 磨矿生产率预测 | 第69-85页 |
| ·支持向量机 | 第69-75页 |
| ·SVM理论基础与基本原则 | 第70-72页 |
| ·支持向量回归机 | 第72-74页 |
| ·核函数 | 第74-75页 |
| ·混合核函数的改进 | 第75-80页 |
| ·遗传算法 | 第75-78页 |
| ·基于遗传算法的混合核改进 | 第78-80页 |
| ·基于改进的 MKSVM磨矿生产率预测 | 第80-84页 |
| ·磨矿生产率影响因素分析 | 第80-81页 |
| ·仿真研究 | 第81-84页 |
| ·本章小结 | 第84-85页 |
| 6 磨机运行故障诊断 | 第85-95页 |
| ·小波分析 | 第86-89页 |
| ·小波变换 | 第86-87页 |
| ·小波特征提取 | 第87-89页 |
| ·小波神经网络 | 第89-90页 |
| ·磨机故障小波网络辨识 | 第90-94页 |
| ·磨机故障分类 | 第90-91页 |
| ·磨机运行状态的特征提取 | 第91页 |
| ·磨机运行状态辨识网络 | 第91-94页 |
| ·本章小结 | 第94-95页 |
| 7 磨矿过程综合优化控制 | 第95-104页 |
| ·磨矿过程质量综合优化控制的意义 | 第95-96页 |
| ·磨矿过程综合优化控制的结构 | 第96-98页 |
| ·磨矿过程稳态控制模型 | 第98-100页 |
| ·磨矿质量综合优化控制 | 第100-103页 |
| ·磨矿质量综合优化的目标及结构 | 第100-101页 |
| ·磨矿质量综合寻优仿真研究 | 第101-103页 |
| ·本章小结 | 第103-104页 |
| 结论 | 第104-106页 |
| 今后工作的展望 | 第106-107页 |
| 参考文献 | 第107-113页 |
| 附录短期模型校正仿真结构图 | 第113-114页 |
| 攻读博士学位期间发表学术论文情况 | 第114-115页 |
| 致谢 | 第115-116页 |
| 大连理工大学学位论文版权使用授权书 | 第116页 |
