声明
第1章 绪 论
1.1 课题背景及意义
1.2 国内外研究现状
1.2.1 人工神经网络的发展现状
1.2.2 智能优化算法的发展现状
1.2.3 篦冷机及智能化技术应用的发展现状
1.3 本文的主要研究内容
第2章 快速学习网结构与算法研究
2.1 引言
2.2 极端学习机与快速学习网
2.3 快速学习网的改进核方法
2.3.1 快速学习网的核方法
2.3.2 快速学习网简化核方法
2.4 基于贝叶斯回归的快速学习网算法
2.4.1 贝叶斯学习算法
2.4.2 稀疏贝叶斯学习算法
2.4.3 算法性能测试
2.5 基于递归最小二乘的在线学习算法
2.6 本章小结
第3章 自适应多种群非支配排序遗传算法研究
3.1 引言
3.2.2 遗传算法与NSGA-Ⅱ
3.3 NSGA-Ⅱ的自适应多种群改进
3.3.1 种群初始化与EXS解集全局更新
3.3.2 EXS解集的局部搜索
3.3.3 种群的自适应调整
3.3.4 算法的时间复杂度分析
3.4 AMP-NSGA-Ⅱ仿真实验与性能分析
3.5 本章小结
第4章 水泥篦冷机换热过程能量损耗优化研究
4.1 引言
4.2 篦冷机工作过程及原理
4.3 篦冷机熟料气固换热能量损耗研究
4.3.1 篦冷机中熵产与有效度关系
4.3.2 篦冷机无量纲熵产数表达式建立
4.4 基于AMP-NSGA-Ⅱ的熟料换热过程能量损耗优化
4.4.1 能量损耗优化目标和约束条件
4.4.2 基于AMP-NSGA-Ⅱ的能量损耗优化
4.4.3 能量损耗多目标优化过程和结果分析
4.5 本章小结
第5章 篦冷机二次风温和出口熟料温度模型辨识与参数优化研究
5.1 引言
5.2 高温熟料换热参数关系研究
5.2.1 熟料换热过程数学模型
5.2.2 熟料换热的参数关系仿真
5.3 基于非迭代学习神经网络的篦冷机辨识模型
5.3.1 篦冷机辨识模型变量确定与数据采集
5.3.2 二次风温度辨识建模
5.3.3 出口熟料温度辨识建模
5.4 篦冷机控制参数多目标优化研究
5.4.1 篦冷机控制参数优化目标和约束条件
5.4.2 篦冷机控制参数优化过程
5.5 基于熵产Pareto的最优解判定与实验分析
5.6 本章小结
结论
参考文献
攻读博士学位期间承担的科研任务与主要成果
致谢
