| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 分解炉燃烧控制研究现状与进展 | 第14-16页 |
| 1.3 粒子群-模糊神经网络研究现状与进展 | 第16-18页 |
| 1.4 本文研究内容和结构 | 第18-20页 |
| 第2章 分解炉燃烧控制机理模型分析 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 水泥预分解工艺简介 | 第20-21页 |
| 2.3 分解炉工作原理 | 第21-23页 |
| 2.3.1 分解炉的类型 | 第21页 |
| 2.3.2 分解炉的结构 | 第21-23页 |
| 2.4 分解炉燃烧影响因素分析 | 第23-24页 |
| 2.5 分解炉燃烧控制难点分析 | 第24-25页 |
| 2.6 分解炉燃烧控制关键参数分析 | 第25-27页 |
| 2.7 分解炉燃烧控制模型设计 | 第27-28页 |
| 2.8 小结 | 第28-29页 |
| 第3章 基于随机权重粒子群模糊神经网络 | 第29-50页 |
| 3.1 引言 | 第29页 |
| 3.2 粒子群算法的基本知识 | 第29-32页 |
| 3.2.1 粒子群算法的基本原理 | 第29-30页 |
| 3.2.2 粒子群算法流程 | 第30-32页 |
| 3.2.3 粒子群算法存在的缺陷 | 第32页 |
| 3.3 改进粒子群算法 | 第32-38页 |
| 3.3.1 粒子群算法的改进方法 | 第32-33页 |
| 3.3.2 随机权重策略优化PSO算法 | 第33-34页 |
| 3.3.3 增加收缩因子优化PSO算法 | 第34页 |
| 3.3.4 随机权重粒子群算法测试函数参数选择 | 第34-38页 |
| 3.4 模糊神经网络 | 第38-46页 |
| 3.4.1 模糊神经网络简介 | 第38-39页 |
| 3.4.2 模糊神经元 | 第39-40页 |
| 3.4.3 隶属度函数 | 第40-41页 |
| 3.4.4 模糊神经网络模型 | 第41-44页 |
| 3.4.5 模糊神经网络学习算法 | 第44-46页 |
| 3.5 基于随机权重粒子群模糊神经网络 | 第46-49页 |
| 3.5.1 随机权重粒子群模糊神经网络结合原理 | 第46-47页 |
| 3.5.2 随机权重粒子群模糊神经网络实现步骤 | 第47-49页 |
| 3.6 小结 | 第49-50页 |
| 第4章 基于随机权重粒子群模糊神经网络燃烧控制 | 第50-63页 |
| 4.1 引言 | 第50页 |
| 4.2 分解炉燃烧控制网络模型搭建 | 第50-52页 |
| 4.3 实验结果对比分析 | 第52-57页 |
| 4.4 随机权重PSO-FNN与工业常用控制方法对比 | 第57-59页 |
| 4.5 优化后控制系统和原控制系统对比 | 第59-62页 |
| 4.6 小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 附录A 攻读学位期间所发表的学术论文与专利申请 | 第70-71页 |
| 致谢 | 第71页 |