| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-28页 |
| ·稳态模型 | 第7-14页 |
| ·连续机械浮选槽中矿物的传输过程 | 第8-11页 |
| ·矿物从矿浆到泡沫的传输 | 第8页 |
| ·浮选泡沫中的粒子夹带 | 第8-9页 |
| ·浮选泡沫中的泡沫转移 | 第9-10页 |
| ·浮选泡沫的排出 | 第10页 |
| ·粒子的脱落 | 第10-11页 |
| ·泡沫回收率 | 第11-13页 |
| ·图像处理 | 第13-14页 |
| ·非稳态浮选泡沫模型的现状 | 第14-22页 |
| ·泡沫行为的动力学模型 | 第14-20页 |
| ·基于泡沫结构的泡沫模型 | 第20-22页 |
| ·浮选过程自动控制的现状 | 第22-26页 |
| ·以稳定浮选过程为控制目标 | 第23-24页 |
| ·以追求最大回收率为控制目标 | 第24页 |
| ·以追求最佳经济效益为控制目标 | 第24-26页 |
| ·本文的主要研究内容 | 第26-28页 |
| 第2章 ANN(人工神经元)学习方法的研究 | 第28-36页 |
| ·径向基函数(Radial Basis Function) | 第28-29页 |
| ·径向基函数网络的特点 | 第29-31页 |
| ·RBF网络的学习算法 | 第31-33页 |
| ·随机选取 RBF中心(直接计算法) | 第31页 |
| ·Moody和 Darken算法 | 第31-32页 |
| ·有监督学习选取 RBF中心 | 第32页 |
| ·正交最小而乘法(OSL)法选取 RBF中心 | 第32-33页 |
| ·最近邻聚类学习算法 | 第33-35页 |
| ·最近邻聚类学习算法 | 第33-34页 |
| ·最近邻聚类学习算法的实现 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第3章 ANN(人工神经元)网络模型的研究 | 第36-66页 |
| ·引言 | 第36-37页 |
| ·浮选过程药剂用量模型 | 第37-51页 |
| ·浮选过程药剂用量模型的训练 | 第37-46页 |
| ·仿真试验 | 第46-50页 |
| ·浮选过程药剂用量咨询系统 | 第50-51页 |
| ·浮选精矿品位和回收率数学模型的研究 | 第51-66页 |
| ·浮选精矿品位和回收率模型的训练 | 第51-64页 |
| ·仿真试验 | 第64页 |
| ·系统功能简介 | 第64-66页 |
| 第4章 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间发表的学习论文及参加的科研活动 | 第71-72页 |
| 附录 样本数据 | 第72-76页 |