文摘
英文文摘
第1章 绪论
1.1 引言
1.2 课题的研究背景
1.2.1 选矿工业过程控制的研究现状
1.3 本文的研究目的、意义和主要工作
第2章 磨矿过程模糊神经网络控制器设计与模型优化算法
2.1 引言
2.2 模糊PID控制基本原理
2.3 模糊神经网络PID控制器设计
2.4 磨矿过程模糊RBF网络整定的PID控制及优化
2.4.1 磨矿分级自动控制系统控制结构
2.4.2 磨矿过程模糊神经网络系统控制方案
2.4.3 RBF网络及对象参数模糊化
2.4.4 网络的训练原理及优化策略
2.5 仿真实验
2.6 小结
第3章 模型预测控制策略在旋流器分级控制中的应用
3.1 引言
3.1.1 磨矿分级工艺过程
3.1.2 磨矿分级工艺控制要求
3.2 磨矿分级控制总体方案设计
3.3 磨矿模型预测控制算法研究
3.3.1 模型预测控制基本原理
3.3.2 DMC控制算法的三个部分
3.4 基于大滞后磨矿分级系统的动态分支预测转移控制技术
3.4.1 动态分支预测转移控制技术
3.4.2 磨矿过程的串级控制
3.4.3 动态分支预测转移控制结构及实现
3.5 系统仿真
3.6 小结
第4章 RBF神经网络与RS理论的磨矿过程软测量综合模型及优化技术
4.1 引言
4.2 粗糙集方法
4.2.1 粗糙集基本概念
4.2.2 属性约简的粗糙集理论
4.2.3 粗糙集的属性约简方法
4.2.4 粗糙集方法的规则获取
4.2.5 关联规则挖掘原理
4.3 软测量混合建模方法
4.4 磨矿过程软测量综合模型及优化
4.4.1 网络的训练原理、策略及方法
4.4.2 模型建立及仿真
4.4.3 小结
第5章 磨矿过程模块化并行结构模型及优化
5.1 引言
5.2 磨矿过程模块化概念
5.2.1 砂泵池液位控制模块
5.2.2 水力旋流器分级质量控制
5.2.3 磨矿过程质量控制
5.2.4 浮选过程优化控制模块
5.3 分块建模
5.4 建立磨矿分级过程一个系列的模块模型
5.5 定量分析技术
5.5.1 大概率事件优先原理
5.5.2 基于Amdahl定律的磨矿过程模块性能
5.5.3 磨矿过程分块模型性能指标
5.6 小结
第6章 浮选过程调节阀曲线智能拟合
6.1 引言
6.2 神经网络软测量模型的建立
6.2.1 神经网络的选择
6.2.2 神经网络模型的建立
6.3 基于过程补余量算法
6.3.1 过程的能量储存特性
6.3.2 目标补入量的递推算法
6.4 符合理想流量特性的调节阀设计
6.4.1 直线流量特性
6.4.2 等百分比流量特性
6.4.3 理想流量特性与目标补入量之间的关系
6.4.4 神经网络调节阀曲线拟合
6.4.5 比例系数
6.5 实验仿真
6.6 小结
总结与展望
参考文献
致谢
附录A(攻读学位期间所发表的学术论文目录)
附录B(磨矿分级过程有关参数)