基于人工智能的质量监控系统研究与应用

摘要

氧气在钢铁、冶炼、医疗等领域发挥了重要的作用，许多工业部门都采用很多方法来制取氧气。在空分制氧的工业流程中，很多外界因素直接影响到氧气的质量。如何制取高质量的氧气，是个迫在眉睫的问题。 本文结合了人工智能的相关技术，即神经网络技术和专家系统技术，设计了空分制氧质量监控系统。在计算机众多学科研究成果基础之上，综合利用神经网络、专家系统在各行各业最新研究成果的同时，对质量监控系统进行了研究与实践，并取得了一定的进展。根据神经网络的特点，对前馈型神经网络算法和反馈型神经网络算法进行比较，就其典型模型——BP网络模型与Hopfield网络模型进行分析，最后确定其中一种对制氧质量进行预测；利用专家系统类型、结构和工作原理，对本系统发生的异常情况能够及时、准确地进行质量监控，依据专家系统的设计步骤，研发了异常处理专家系统。

目录

文摘

英文文摘

声明

第1章绪论

§1.1课题背景及国内外研究现状

§1.2论文研究内容

§1.3论文内容组织

第2章质量监控系统相关技术

§2.1空分制氧工作流程

§2.2人工智能概述

§2.3空分制氧质量监控系统的技术手段

第3章建立神经网络模型

§3.1神经网络模型结构

§3.2前馈型神经网络

§3.3反馈型神经网络

§3.4前馈型与反馈型神经网络的比较

§3.5BP神经网络在空分制氧质量监控系统中的使用

第4章异常处理专家系统的设计

§4.1专家系统的结构、分类与工作原理

§4.2专家系统的建造

§4.3异常处理专家系统的设计

第5章总结和展望

§5.1总结

§5.2展望

致谢

参考文献