首页--工业技术论文--化学工业论文--硅酸盐工业论文--水泥工业论文--生产过程与设备论文

基于改进粒子群模糊神经网络的分解炉优化燃烧控制

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

论文共71页,点击 下载论文
上一篇:基于改进人工鱼群算法的分布式电源规划研究
下一篇:基于STM32F4的快递终端机器人运动控制器设计