一、基于灰色理论的密闭鼓风炉透气性预测模型（论文文献综述）
徐辰华[1]（2010）在《基于神经网络的透气性状态预测》文中研究说明针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果.
徐辰华[2]（2010）在《铅锌烧结过程状态智能预测与优化控制策略》文中研究指明铅锌金属在国防、电子等众多工业领域有广泛的应用,铅锌烧结过程的稳定性及烧结块质量的好坏,对铅锌冶炼生产效率的高低有着举足轻重的影响。烧结过程状态反映了铅锌烧结生产状况,状态的稳定和优化有助于提高烧结块的质量和产量。针对铅锌烧结过程的非线性、不确定性特点,本文主要围绕过程状态智能集成建模与优化控制策略开展研究,取得的研究成果主要包括以下五个方面。（1）综合生产目标与过程状态参数的关系分析及优化控制结构铅锌烧结状态反映了烧结程度,影响到烧结块的质量和产量,并且烧结状态参数众多,对烧结过程综合生产目标的影响程度也不同。本文深入分析操作参数、过程状态参数和综合生产目标的关系,提出了状态集成预测、综合生产目标优化和过程状态参数优化的优化思想。由此确定状态优化控制目标,提出铅锌烧结过程状态智能集成优化控制结构,分析状态集成优化控制的工作原理,从而为铅锌烧结过程的优化控制提供一种新思路。（2）过程状态参数预测模型透气性和烧穿点位置直接影响到烧结块的质量和产量,是铅锌烧结过程控制的重要状态参数。为实现铅锌烧结过程的状态优化控制,不仅需要获得当前实时的状态指标参数,更重要的是获得未来状态的变化趋势。本文针对透气性的时变和不确定性,建立基于RBF神经网络的透气性预测模型,较准确地进行透气性的实时预测。由于烧穿点主要受到烧结料面烟气温度的影响,采用固定点和非固定点的实验方法,研究铅锌烧结机内烟气温度分布规律,采用神经网络建立烟气温度场分布模型,从而建立烧穿点灰色预测模型；考虑工况波动的影响,采用支持向量机建立烧穿点工艺参数预测模型；然后采用动态加权法对两个模型进行集成,建立烧穿点状态预测模型,从而进行烧穿点的实时预测。采用MATLAB7.0仿真软件,对模型进行验证。仿真结果表明,利用本文方法建立的烧穿点集成预测模型能够获得更高的的预测精度,其预测效果和性能优于单一预测模型。（3）基于遗传蚁群算法的状态优化设定为达到高产、优质的生产目标,必须对透气性和烧穿点进行优化控制,使得烧结生产稳定在最优的状态。基于工艺机理分析和控制需求,将过程状态参数和综合生产目标之间的关系,归纳为一个带有不等式约束状态参数指标的综合收益函数形式描述问题。首先采用罚函数法将将具有多约束条件的目标函数转换为无约束的罚函数形式；然后采用遗传算法对目标函数寻优,获得优化问题的次优解；接着采用蚁群算法进行二次优化,结果作为烧结状态的最优设定值。仿真结果验证了该优化算法的有效性。（4）基于自适应免疫禁忌搜索算法的状态优化控制基于铅锌烧结过程状态的预测和状态优化设定,根据状态优化控制目标,将烧结状态优化控制问题归纳为一个非线性多目标优化问题。针对铅锌烧结过程参数难检测、强非线性和时滞的特点,本文研究自适应免疫禁忌优化算法,用于求解获得一组过程操作参数,实现烧结过程的状态稳定优化控制。（5）集成优化控制应用研究基于状态智能集成优化控制器,提出一个状态智能集成优化控制系统递阶结构。结合某企业实际运行数据,对本文所提方法进行仿真验证。优化结果表明,由于对烧结状态采用了优化控制策略,能够使透气性状态和烧穿点状态降低波动,为实现铅锌烧结过程优化控制奠定了基础。
崔凯[3]（2009）在《面向综合生产目标的铅锌烧结过程优化方法研究》文中研究指明铅锌烧结过程是密闭鼓风炉还原熔炼的原料准备过程。烧结生产的最终目标是生产出化学成分合适、具有一定机械强度和还原性的烧结块,以满足鼓风炉还原熔炼的原料要求。烧结块产量以及质量的好坏,对铅锌冶炼生产效率有着举足轻重的影响。烧结过程综合生产目标,是通过调整过程操作参数,在保证烧结块质量的前提下,提高烧结块产量,稳定烧结状态,达到高产、优质、稳定的要求。烧结终点是烧结过程重要的状态参数之一,是衡量烧结过程好坏的主要标志。为了满足综合生产目标的要求,本文将烧结过程的优化分为烧结块产量质量优化和烧结终点优化两个方面。在深入分析烧结生产工艺的基础上,提出了面向综合生产目标的烧结过程优化的基本思想,探讨了烧结块产量质量和烧结终点的优化方法。首先,根据机理分析和经验知识,定性分析了综合生产目标的影响因素,采用灰色关联分析方法通过定量计算得到综合生产目标的主要影响因素。基于机理分析和灰色关联分析,利用改进BP神经网络建立了烧结块产量质量预测模型;根据烧结终点的检测和预报方法,建立了基于历史信息和灰色理论的烧结终点集成预测模型。其次,为了判断烧结过程的实际工况,建立烧结工况综合评判模型。在产量质量预测模型的基础上,建立了以质量要求和工艺条件为约束,以过程操作参数为决策变量的产量质量优化模型,利用基于强度帕累托进化算法（SPEA2）的改进粒子群优化算法,获得优化模型的操作参数。在烧结终点集成预测模型的基础上,建立以烧结终点优化设定值为目标,以生产边界条件为约束的烧结终点优化模型,利用自适应二次变异的差分进化算法,获得烧结终点优化模型的操作参数。最后,基于烧结工况综合评判的优化协调策略,利用熵权法的思想,获得操作参数的优化设定值。仿真实验表明了本文提出的面向综合生产目标的优化方法是有效的,为烧结生产优化运行奠定了基础。
丁雷[4]（2009）在《面向生产目标的铅锌烧结过程建模及优化研究》文中研究表明作为铅锌火法冶炼的一个重要流程,密闭鼓风烧结过程所生产的烧结块直接影响到后续熔炼炉炉况和铅锌的产量质量指标。烧结生产过程中综合透气性、烧穿点是两个最重要的过程状态参数,直接反映出烧结过程进行的好坏。针对影响综合透气性、烧穿点的信息具有不确定性、不完整性等特点,分别从不同的角度出发进行描述,并建立相应的集成预测模型。在研究烧穿点和透气性的基础上,提出了烧结块的产量质量预测模型。为使得烧结过程运行在最优状态,将整个烧结过程的优化分为产量质量优化和状态参数优化两大部分。首先提出针对产量质量的优化算法,以获得过程状态参数的优化设定值。接着提出针对过程状态参数的优化算法,以获得过程操作参数的优化设定值。论文的主要研究成果包括:（1）过程状态参数的集成预测模型首先考虑到历史数据中含有工况稳态发展趋势的有用信息,结合综合透气性的变化特点,提出具有在线修正能力的灰色理论预测模型,其根据实际综合透气性数据序列的单调性变化情况及变化后的数据个数,给出相应的修正公式;接着考虑到工艺参数预测模型能及时反映工艺参数对工况的影响,建立基于工艺参数的神经网络预测模型;最后考虑到信息熵技术具有降低不确定性带来的影响以及信息融合的能力,建立基于信息熵技术的综合透气性集成预测模型。针对实际烧结过程烧穿点不能被直接测量的问题,建立烧穿点的软测量模型。考虑到烧穿点的波动比较大,利用T-S模糊模型来建立其预测模型,以充分有效利用历史信息;为降低不确定性带来的影响以及降低建模的难度,将综合透气性指数、台车速度和中部风箱废气温度作为影响烧穿点的主要因素;同样在建立工艺参数的预测模型之后,利用信息熵技术建立烧穿点的集成预测模型。（2）产量质量智能预测模型结合机理分析和数据关联性分析,选取过程状态参数以及一些关键的原料参数作为输入变量,并建立烧结块产量质量的神经网络预测模型。针对产量检测周期和过程状态参数的采样周期不一致,存在多尺度问题,引入了空间积分的思想,解决了时间周期不匹配的问题。针对传统神经网络训练算法是基于梯度信息的、具有容易陷入局部极值、收敛速度慢的缺点,将粒子群算法强大的全局搜索能力和共轭梯度法强大的局部搜索能力有机结合起来,提出了一种基于共轭梯度法的混合粒子群算法来进行神经网络的训练。（3）基于混合粒子群算法的产量质量优化建立了以提高产量为目标,以质量要求为约束条件的优化模型,并提出了基于改进线性搜索法的混合粒子群算法来实现产量质量的优化。该算法首先将所建立的优化函数转化为一个有两个目标的优化问题,一个是原目标函数,另一个是约束条件违反程度函数;接着为达到并行优化的目的,采用约束水平比较法来比较粒子群算法所搜索到的解;最后当粒子群算法收敛停滞时,通过引入改进的线性搜索法来提高粒子群算法的活性,从而获得综合透气性、烧穿点的优化设定值。（4）基于多目标粒子群协同算法的过程状态参数优化建立了以综合透气性、烧穿点等状态参数的优化设定值为目标,以生产边界条件及质量要求为约束条件,以过程操作参数为优化变量的多目标优化模型。针对该模型提出了一种多目标粒子群协同优化算法,采用改进的粒子极值选取法,以及多粒子群合作优化的方式,获得过程操作参数的优化设定值。最后根据实际工业过程的特点,进行了烧结过程的优化仿真实验。实验结果表明所提出的优化方法能在一定程度上提高烧结块的产量质量。因此所提出的烧结过程优化方法为以后烧结生产的全流程优化提供了技术手段,同时也为复杂工业过程的建模及优化提供一种实用的、值得借鉴的实现方法。
蒋少华[5]（2009）在《基于数据驱动的密闭鼓风炉故障诊断及预测研究》文中进行了进一步梳理密闭鼓风炉铅锌冶炼过程是一个复杂的物理化学变化过程,具有多变量、非线性、强耦合、大滞后、不确定性等特点,由于原料复杂,成分不稳定,导致炉况波动大、故障多,从而影响铅锌产量和质量。因此,研究密闭鼓风炉的故障诊断与预测新技术,对于保证生产的安全稳定运行,提高企业的经济效益具有重要的现实意义。本文针对密闭鼓风炉生产过程的特点,利用生产现场采集的大量数据,研究了基于数据驱动的故障检测诊断及预测的新方法。根据密闭鼓风炉生产过程中不同类型故障的特征,提出了基于核密度估计的主元分析故障检测方法、基于主元分析与支持向量机的故障诊断方法、基于案例推理的不完备信息故障诊断方法、基于WLS-SVM的Hammerstein故障预测方法,并将其应用于密闭鼓风炉的实际生产中,取得了明显的效果。主要工作包括以下几个方面:（1）针对密闭鼓风炉冶炼过程测量数据呈现非正态分布,传统主元分析方法故障检测率低的问题,提出了一种基于核密度估计的主元分析故障检测方法。首先,为了提高建模数据的质量,采取指数加权滑动平均和异常值剔除的方法,对数据进行预处理,建立密闭鼓风炉故障检测的主元模型;然后,采用核密度估计的方法计算主元模型控制限,有效降低了传统方法因控制限不准确引起的故障漏报或误报率,提高了密闭鼓风炉检测系统的敏感度和准确率。（2）针对密闭鼓风炉数据变量繁多,变量间相关性强的问题,提出了一种主元分析和支持向量机相结合的密闭鼓风炉故障诊断方法。首先利用主元分析方法对过程数据进行特征提取,建立主元分析的检测模型,根据T2和Q统计量判断检测过程是否超出了正常的控制限,若有故障发生,则检测程序将给予警告提示,提示过程出现了异常操作状况;然后将代表过程特征的主元分量送入到多支持向量机分类器中,利用改进“一对其余”算法进行故障诊断。结果表明,该故障诊断方法具有良好的性能,诊断率更高,所需时间更短。（3）针对密闭鼓风炉数据存在不完备信息的问题,提出了基于案例技术的不完备信息故障诊断方法。通过基于距离或基于关联度测量的方法,测量未知特征向量与历史数据库中的样本之间的相似度,检索出最优相似的样本,填补缺失特征值得到完备的样本。结果表明,该方法能够解决采集样本中特征值缺失的问题,具有较高的故障诊断率。（4）针对密闭鼓风炉铅锌冶炼过程存在非线性、时变性,使用传统方法构建预测模型性能较差的问题,提出基于加权最小二乘支持向量机（WLS-SVM）的Hammerstein故障预测模型的方法。首先根据最小二乘支持向量机（LS-SVM）的误差分布对误差进行加权,采用WLS-SVM回归方法构造Hammerstein模型非线性函数部分,再运用奇异值分解的方法辨识Hammerstein模型参数。在此基础上,建立密闭鼓风炉的故障预测模型,通过对炉子关键参数进行预测,实现对炉况的预测,降低了故障发生率。（5）设计和开发了基于数据驱动的密闭鼓风炉铅锌冶炼过程故障诊断及预测系统。实际应用结果表明:该系统实现了炉况运行状态和运行趋势的检测预报,实现了异常炉况的报警与诊断,有利于密闭鼓风炉的稳定运行。
王春生[6]（2008）在《铅锌烧结配料过程的智能集成建模与优化控制策略研究》文中研究表明密闭鼓风烧结是铅锌冶炼ISP工艺中的一个重要流程,配料过程作为其首道工序,直接影响到铅锌烧结生产的成本、质量产量和能源消耗。目前,铅锌烧结配料过程作为稳定和优化生产的首要环节,其作用尚未得到充分发挥,存在着配料准确率和经济性不高的问题。同时由于铅锌烧结配料过程控制水平较低,导致了生产成本高、烧结块质量差、产量低,一方面造成了能源浪费,另一方面造成了环境污染。针对上述问题,本文主要围绕铅锌烧结配料过程智能集成建模与优化控制策略开展研究,取得的研究成果主要包括以下五个方面:（1）烧结块成分智能集成预测模型针对复杂的烧结块成分预测问题,提出一种基于过程神经网络和灰色系统理论的烧结块成分智能集成预测模型。该模型首先利用过程神经网络可充分表达时间序列中时间累积效应、灰色系统可弱化数据序列波动性的优点,分别对铅锌烧结块成分进行预测,然后从信息论的观点出发,提出一种熵值方法,重新定义预测误差序列的变异程度,从而获得各个预测模型的加权系数,通过对两个预测模型的预测结果进行加权集成,获得更加准确的铅锌烧结块成分预测结果。结果表明,智能集成模型的预测精度高于单一预测模型,能有效地对烧结块成分进行预测,满足了配料计算对预测精度和数据完备性的要求。（2）烧结返粉量智能集成预测模型针对烧结返粉量变化趋势复杂,受多个因素影响,难以用单一预测模型进行有效预测的问题,提出一种基于改进灰色系统和支持向量机的智能集成预测模型。首先利用改进灰色系统和支持向量机两个单一预测模型分别对烧结返粉量进行预测;然后基于预测精度的数学期望和标准差,以其数学期望最大化和标准差最小化为目标函数,通过求取最优加权系数,建立烧结返粉量智能集成预测模型进行返粉量预测。结果表明,该集成预测模型能够获得更高的的预测精度,能有效地对返粉量进行预测,预测结果为确定烧结返粉配比提供了数据支持。（3）一次配料定性定量智能集成优化算法针对传统配料方法中存在的成本高和准确率低的问题,提出一种定性定量智能集成优化算法。在对烧结主要原料特性和经济性进行分析以及建立烧结块成分集成预测模型的基础上,首先以成本最小为目标建立烧结配料优化模型,分别采用专家推理策略和免疫遗传算法对烧结配料进行优化;然后,在对免疫遗传算法进行改进的基础上,从系统论的观点出发,采用定性定量综合集成方法,把过程神经网络技术、灰色系统理论与专家推理策略、改进免疫遗传算法有机结合,实现了烧结配料的进一步优化,提高了配料的准确率,降低了烧结成本,取得了可观的经济效益。（4）基于烧结工况综合评价的二次配料智能优化策略在对烧结生产全流程各参数间关系进行分析的基础上,提出了基于烧结工况综合评价的二次配料智能优化策略,建立了烧结生产工况综合评价模型,并提出了基于聚类分析的操作参数匹配优化算法。首先,通过建立烧结返粉量、烧结块含铅量、含锌量以及含硫量预测模型,将这些模型的输出作为烧结生产工况优劣的综合评价因素,利用烧结生产工况综合评价模型,采用模糊综合评价法,实现对烧结生产工况的综合评价;其次,根据对烧结生产工况综合评价的结果,在利用加权模糊C均值聚类算法对优化样本数据集进行聚类的基础上,通过操作参数匹配优化算法,获得二次配料过程具体的操作参数优化值,作为实现二次配料过程过程优化控制的操作指导。结果表明:该方法可显着改善工况波动,减少了由于操作盲目性造成的生产工况不稳定,进而提高了烧结块的产量和质量。（5）烧结配料过程智能集成控制策略由于烧结配料过程中的物料流量受许多不确定因素的影响而波动很大,具有很强的非线性和大滞后等特性,难以建立确切的数学模型,其控制问题很难用传统的控制理论和方法解决。为了提高配料的准确度和稳定性,结合模糊控制和PID控制的特点,提出一种基于加权因子的烧结配料模糊自适应PID智能集成控制策略,分别设计了模糊控制器和自适应PID控制器。利用加权因子将模糊控制器的输出和自适应PID控制器的输出进行加权集成,使得控制器在误差较大时,主要由模糊控制器起作用,具有较快的响应能力;而在误差较小时主要由自适应PID控制器起作用,具有较高的控制精度,实现了模糊控制器和自适应PID控制器输出的连续平滑切换。
孙良君[7]（2008）在《基于透气性预测的铅锌烧结配料过程优化研究》文中指出铅锌烧结过程是密闭鼓风炉还原熔炼的原料准备过程,其目的是为还原熔炼提供成分合适、具有一定机械强度和还原性的烧结块。烧结配料过程是铅锌烧结生产的首道工序,是烧结炉料的准备过程。烧结配料过程优化是针对配料过程的两个操作参数,二配配比和混合料水分值的优化设定问题而提出的。二配配比和混合料水分值同烧结过程的状态参数透气性具有密切联系。而透气性是烧结过程的一个重要状态参数,影响着烧结生产的产量和质量。因此优化烧结配料过程对烧结生产具有重要的意义。针对烧结配料过程的二配配比和混合料水分人工调节的滞后性和盲目性的问题,探讨了基于集成预测模型与遍历优化搜索算法的配料过程优化操作方法。首先,从烧结过程工艺出发,详细地分析了烧结配料过程同烧结料层透气性之间的关系,同时分析了影响烧结过程透气性的一些重要因素。然后,针对烧结过程大滞后特性,采用加权组合优化方法,将基于工艺参数的BP神经网络预测模型与基于时间序列的灰色系统理论预测模型集成,建立了综合透气性集成预测模型,有效地提高了透气性状态的预测精度,为烧结配料优化奠定基础。在铅锌烧结配料优化过程中,直接的优化目标是烧结过程透气性,采取的优化措施是调整二配配比与混合料水分设定值。由于烧结过程透气性的优劣单由透气性预测值无法准确的表达,因此结合能够判断透气性优劣的其它一些烧结过程状态参数,利用模糊综合评判方法,来定量评价当前透气性的优劣。然后通过遍历优化搜索算法,获取最优的透气性状况评判值,进而间接获得二配配比和混合料水分优化设定值。通过仿真实验表明,该方法能够对烧结配料过程起到优化作用,同时也为铅锌烧结生产全流程协调与优化控制奠定基础。
毛丽娟[8]（2008）在《基于单位时间锌产量预测的密闭鼓风炉炉况研究》文中进行了进一步梳理密闭鼓风炉铅锌熔炼过程冶金反应机理复杂,具有变量多、非线性、时变、藕合严重的特点,难以用传统的数学模型描述熔炼生产过程。维持炉况稳定是提高锌产量和质量的基本保证。将现有的炉况诊断理论应用于鼓风炉熔炼过程,进行基于炉况诊断的研究,对做好密闭鼓风炉熔炼优化控制是至关重要的,由此可以进一步提高密闭鼓风炉的生产率,减少污染,增加企业的市场竞争力。单位时间锌产量是反映密闭鼓风炉炉况稳定的主要指标,本文研究了基于单位时间锌产量预测的密闭鼓风炉炉况诊断问题。通过对来自生产现场监测参数的历史数据进行过滤处理,应用机理分析和粗糙集方法选择建模变量,建立了基于BP神经网络的单位时间锌产量预测模型;在运用粗糙集方法数据进行处理的过程中,采用基于高斯混合模型的连续数据离散化方法,用SPSS统计软件验证了此离散化方法是行之有效的;基于机理分析和可拓评价方法建立铅锌熔炼密闭鼓风炉炉况诊断模型。在理论研究的基础上,开发了铅锌熔炼密闭鼓风炉炉况诊断系统。系统软件采用Visual C++编程,实现了炉况主要参数在线监视、炉况诊断、数据查询和帮助等功能。现场运行情况表明该系统具有较高的故障诊断准确率和工作可靠性,具有很好的实用特性。
谷丽姗[9]（2008）在《基于粗糙集的铅锌熔炼过程不完备信息智能处理方法及应用》文中研究说明铅锌密闭鼓风炉熔炼过程生产环境恶劣、反应机理复杂,具有多变量、非线性、大滞后、强耦合的特点,使得熔炼过程信息存在一定的不确定及不完整性,即存在信息的不完备性。本文在深入分析铅锌熔炼过程信息特点及粗糙集理论的基础上,研究铅锌密闭鼓风炉熔炼过程不完备信息智能处理方法。针对熔炼过程信息系统存在的数据缺失现象,以及信息系统中属性类型的多样化特点,分析了定性属性及定量属性下不同对象之间的相似关系,在此基础上定义了一种扩展的多属性融合相似关系,并引入相似度的概念来描述对象之间的相似程度。以扩展的多属性融合相似关系和相似度概念为基础,提出了一种基于多属性的数据补全方法,并通过算例及分析表明了方法的有效性及可行性。针对铅锌熔炼过程信息系统存在的信息不确定性,采用基于粗糙集的启发式约简方法进行不确定信息处理,并通过分析熔炼过程实际中存在的不足,定义了一种基于专家经验和属性依赖度相结合的属性重要度计算方法,将专家经验作为属性重要度的重要参考指标。以新的属性重要度计算方法为基础,给出了一种改进的启发式约简算法,算例验证及效果表明了算法的有效性及可行性。将本文的不完备信息智能处理方法应用于铅锌熔炼过程故障诊断,通过对铅锌熔炼过程的故障分析,提出了一种基于粗糙集-神经网络的密闭鼓风炉故障诊断方法。首先采用基于多属性的数据补全方法对不完备信息系统进行缺失数据的补全,进而用改进的启发式约简算法进行数据约简,并将得到的相对完备的精简决策表作为神经网络的训练样本,进行神经网络故障诊断建模。实验仿真效果显示,采用本文的不完备信息智能处理方法进行密闭鼓风炉故障诊断,使得神经网络故障诊断模型的结构大大精简,故障诊断的效率得到了有效的提高。
唐朝晖[10]（2008）在《铅锌生产过程密闭鼓风炉故障诊断技术及应用》文中提出密闭鼓风炉熔炼是铅锌火法冶炼中的主要生产工序,是一个非常复杂的高温、多相的物理化学变化过程,具有多变量、非线性、强耦合、大滞后、不确定性等特点,关键的过程参量无法直接检测,也无法采用精确的数学模型进行描述。目前,熔炼过程的操作参数大多由生产操作人员凭经验确定,难以实现生产过程的持续稳定运行,炉况波动大,故障较多,休风周期短,造成生产过程的工艺指标波动较大,影响铅锌生产的产量和质量。因此,保持密闭鼓风炉炉况稳定,减少休风的次数,避免故障出现,对于实现铅锌熔炼过程节能降耗、提高资源和熔炼设备利用率以及充分发挥熔炼过程生产潜力、提高熔炼过程的技术经济指标,实现企业的可持续发展,都具有重大意义。本文针对密闭鼓风炉熔炼过程,研究相关的故障诊断方法与技术,以期提高密闭鼓风炉的生产效率,达到节能降耗,优质高产的目的。论文首先综述了故障诊断技术的研究现状及密闭鼓风炉熔炼生产过程的特点,对密闭鼓风炉铅锌生产过程各种故障进行了详细分析和分类,运用统计学理论、数据挖掘技术和案例推理方法分别提出了基于主元分析的故障诊断方法、基于不完全数据集的故障诊断方法以及基于过程参量预报与案例推理集成的智能故障诊断方法,并将其应用于密闭鼓风炉铅锌熔炼过程故障诊断决策系统,取得了明显的效果。主要研究工作和成果如下:（1）详细深入分析了密闭鼓风炉熔炼过程的机理,深入探讨了密闭鼓风炉生产过程的故障特征,起因和处理办法,在此基础上将密闭鼓风炉的故障分为两大类,十六个子类。（2）针对密闭鼓风炉生产过程监测变量多、与故障关联复杂的特点,论文首先利用主元分析的方法提取与故障密切相关的主要监测变量。由于传统主元分析（PCA,Principal Components Analysis）方法只能监测过程是否发生了变化,不能提供引起这些变化的原因,难以对故障进行识别。论文通过引入与主元显着相关的过程变量的预测残差,计算过程变量与主元之间的复相关系数,挑选出与主元相关的变量,构成新的统计量以取代传统的平方预测方差（SPE,SquaredPrediction Error）统计量,构造了改进的PCA方法。这种方法能及时发现料钟故障、风口故障、漏风、漏水等10小类故障。该方法在密闭鼓风炉故障诊断中得到成功应用,为改进PCA方法的工程应用提供了一个成功范例。（3）悬料问题是密闭鼓风炉常出现的一类故障,根据该类故障的特点,论文提出了基于规则推理的故障诊断方法。首先针对悬料故障诊断知识发现面临变量连续型属性问题,提出了一种基于改进的减法聚类的属性离散化方法,并给出了连续型属性数据的硬离散和模糊离散算法;然后针对数据的不完整问题,根据粗糙集理论的等价类概念,提出了一种基于不完整数据集的知识获取方法,该方法解决了在提取规则的同时无法估计出训练事例属性的未知特征值问题。由该方法构造的密闭鼓风炉悬料规则库,可及时判断发生悬料的倾向及其炉体部位,以便及时采取相应措施防止其严重发展趋势。为不完整数据集知识获取技术的研究和应用提供了新的途径。（4）结瘤故障是是密闭鼓风炉生产过程的严重故障之一,论文分析了炉喉结瘤,烟道结瘤,炉身结瘤和冷凝器结瘤等炉体不同部位结瘤产生的原因及特点,提出了利用透气性和单位时间的锌产量变化趋势来描述结瘤状态,以及基于关键参量预报与案例推理集成的密闭鼓风炉结瘤智能故障诊断方法。该方法能利用神经网络和灰色理论,建立了透气性预报模型,实现了密闭鼓风炉透气性预测;利用知识向量机技术建立了密闭鼓风炉锌产量在线预报模型;以透气性和单位时间锌产量为特征值,利用历史故障数据,模拟领域专家处理故障的方式,建立基于参量预报与案例推理的密闭鼓风炉故障智能集成诊断模型。实践证明该方法非常适用于结瘤故障诊断和处理决策系统。（5）针对密闭鼓风炉的故障诊断的特点,提出了密闭鼓风炉生产过程智能集成故障诊断系统的结构框架,开发了智能集成故障诊断系统和处理决策系统。实现了对炉况运行状态和运行趋势的预报,对异常参数与异常炉况的报警与诊断,并提供操作指导,避免了炉况操作的盲目性,有利于提高铅锌产量和质量,获取更大的经济效益。现场应用效果表明,本文提出的故障诊断技术路线方法具有较强的实用性,可在类似的有色金属复杂熔炼过程中推广应用。
二、基于灰色理论的密闭鼓风炉透气性预测模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于灰色理论的密闭鼓风炉透气性预测模型（论文提纲范文）
（1）基于神经网络的透气性状态预测（论文提纲范文）
| 1 引言 |
| 2 机理分析 |
| 2.1 透气性指数模型 |
| 2.2 相关性分析 |
| 3 基于神经网络的透气性预测模型 |
| 3.1 时间序列透气性预测模型 |
| 3.2 工艺参数透气性预测模型 |
| 3.3 神经网络训练 |
| 4 透气性集成预测模型 |
| 5 运行结果分析 |
| 6 结语 |
（2）铅锌烧结过程状态智能预测与优化控制策略（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 烧结生产机理与理论模型 |
| 1.2.2 烧结过程状态预测方法 |
| 1.2.3 多目标优化控制方法 |
| 1.3 建模与优化控制问题 |
| 1.4 状态智能预测与优化控制的基本思想 |
| 1.5 论文主要研究内容与结构安排 |
| 第二章 综合生产目标与过程状态参数的关系分析及优化控制结构 |
| 2.1 密闭鼓风铅锌烧结过程的机理分析 |
| 2.1.1 ISP烧结工艺流程 |
| 2.1.2 烧结焙烧的基本原理 |
| 2.2 综合生产目标与过程状态参数的关系分析 |
| 2.2.1 状态参数对生产目标的影响分析 |
| 2.2.2 烧结过程状态优化控制的重要性分析 |
| 2.3 状态优化控制结构与工作原理 |
| 2.3.1 智能集成优化控制 |
| 2.3.2 优化控制结构和工作原理分析 |
| 2.4 本章小结 |
| 第三章 铅锌烧结过程状态智能预测模型 |
| 3.1 机理分析和数据处理 |
| 3.1.1 过程操作参数对状态参数的影响分析 |
| 3.1.2 建模数据处理 |
| 3.2 透气性智能预测模型 |
| 3.2.1 综合透气性指数模型 |
| 3.2.2 基于神经网络的透气性预测模型 |
| 3.2.3 综合透气性智能预测模型 |
| 3.2.4 仿真结果与分析 |
| 3.3 烧穿点智能集成预测模型 |
| 3.3.1 基于支持向量机的烧穿点工艺参数预测模型 |
| 3.3.2 基于灰色理论的烧穿点时间序列预测模型 |
| 3.3.3 基于动态加权的烧穿点集成预测模型 |
| 3.3.4 仿真结果与分析 |
| 3.4 本章小结 |
| 第四章 基于遗传蚁群智能算法的烧结过程状态优化设定 |
| 4.1 状态参数优化设定模块 |
| 4.2 烧结块质量指标预测模型 |
| 4.2.1 输入变量的确定 |
| 4.2.2 模型结构 |
| 4.3 状态设定决策单元 |
| 4.4 状态稳态优化设定问题描述 |
| 4.4.1 稳态优化 |
| 4.4.2 基于惩罚函数法的优化目标函数 |
| 4.5 基于遗传蚁群算法的状态优化设定 |
| 4.5.1 遗传算法 |
| 4.5.2 蚁群算法 |
| 4.5.3 遗传蚁群算法优化 |
| 4.6 优化算法的收敛性分析 |
| 4.7 仿真结果与分析 |
| 第五章 基于自适应免疫禁忌算法的烧结过程状态优化策略 |
| 5.1 多目标优化问题数学描述 |
| 5.1.1 Pareto支配关系 |
| 5.1.2 Pareto最优解定义 |
| 5.2 基于自适应免疫禁忌算法的烧结过程状态多目标优化 |
| 5.2.1 具有不等式约束条件的烧结状态多目标优化问题描述 |
| 5.2.2 基于模糊集理论的自适应免疫禁忌算法优化 |
| 5.3 优化算法的收敛性分析 |
| 5.4 仿真结果与分析 |
| 5.5 本章小结 |
| 第六章 烧结过程状态智能集成优化控制应用研究 |
| 6.1 研究对象的描述 |
| 6.2 烧结状态智能集成优化控制策略 |
| 6.2.1 智能集成优化控制策略的提出 |
| 6.2.2 智能集成优化控制系统结构设计 |
| 6.3 状态智能集成优化控制算法实现 |
| 6.4 优化控制策略验证结果分析 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表及完成论文情况 |
| 攻读博士学位期间参加的科研项目情况 |
| 攻读博士学位期间获奖情况 |
| 致谢 |
（3）面向综合生产目标的铅锌烧结过程优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 论文构成 |
| 第二章 铅锌烧结过程机理分析与过程优化思想 |
| 2.1 铅锌密闭鼓风烧结过程 |
| 2.1.1 铅锌烧结生产工艺 |
| 2.1.2 烧结焙烧基本原理 |
| 2.2 工艺机理分析 |
| 2.2.1 烧结过程各类参数分析 |
| 2.2.2 烧结过程的综合生产目标 |
| 2.3 智能优化的基本思想 |
| 2.4 面向综合生产目标的优化方案 |
| 2.5 小结 |
| 第三章 铅锌烧结过程智能预测 |
| 3.1 烧结过程参数特性分析 |
| 3.2 烧结块产量质量预测模型 |
| 3.2.1 灰色关联分析 |
| 3.2.2 产量质量预测模型 |
| 3.2.3 仿真实验与结果分析 |
| 3.3 烧结终点集成预测模型 |
| 3.3.1 烧结终点工艺机理预测 |
| 3.3.2 基于历史信息和灰色理论的烧结终点集成预测模型 |
| 3.3.3 仿真实验与结果分析 |
| 3.4 小结 |
| 第四章 面向综合生产目标的铅锌烧结过程优化方法 |
| 4.1 烧结综合工况模糊评判模型 |
| 4.2 基于改进粒子群算法的烧结产量质量优化 |
| 4.2.1 烧结块产量质量优化模型 |
| 4.2.2 粒子群算法的约束优化方法 |
| 4.2.3 基于改进粒子群算法的烧结块产量质量优化 |
| 4.3 基于差分进化算法烧结终点优化 |
| 4.3.1 有约束条件的优化方法 |
| 4.3.2 烧结终点优化模型 |
| 4.3.3 基于自适应二次变异差分进化的烧结终点优化 |
| 4.4 智能协调优化策略 |
| 4.5 铅锌烧结过程优化方法实现 |
| 4.5.1 烧结过程优化算法实现 |
| 4.5.2 仿真实验与结果分析 |
| 4.6 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
（4）面向生产目标的铅锌烧结过程建模及优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与目的意义 |
| 1.2 国内外研究与应用现状 |
| 1.2.1 烧结过程的机理分析方法 |
| 1.2.2 烧结块成分预测与控制 |
| 1.2.3 烧结过程状态参数预测与优化控制 |
| 1.2.4 具有约束条件的单目标优化算法 |
| 1.2.5 具有约束条件的多目标优化算法 |
| 1.3 烧结过程建模及优化存在的主要问题 |
| 1.4 论文主要内容及构成 |
| 第二章 过程状态参数集成预测模型 |
| 2.1 铅锌烧结过程及其特点 |
| 2.1.1 烧结过程工艺流程 |
| 2.1.2 烧结焙烧基本原理 |
| 2.2 烧结过程的各类参数分析 |
| 2.3 综合透气性集成预测模型 |
| 2.3.1 影响料层透气性指数的主要因素分析 |
| 2.3.2 综合透气性模型 |
| 2.3.3 数据关联性分析 |
| 2.3.4 具有在线修正能力的灰色理论预测模型 |
| 2.3.5 基于工艺参数的预测模型 |
| 2.3.6 基于信息熵技术的集成预测模型 |
| 2.4 烧穿点集成预测模型 |
| 2.4.1 烧穿点软测量方法 |
| 2.4.2 影响烧穿点的主要因素 |
| 2.4.3 T-S模糊预测模型 |
| 2.4.4 工艺参数预测模型 |
| 2.4.5 集成预测模型的建立及实验结果分析 |
| 2.5 小结 |
| 第三章 产量质量智能预测模型 |
| 3.1 影响烧结块产量质量的因素 |
| 3.1.1 机理分析 |
| 3.1.2 产量质量预测模型的输入变量 |
| 3.2 烧结块产量质量预测模型 |
| 3.2.1 产量预测模型 |
| 3.2.2 质量预测模型 |
| 3.3 基于混合粒子群算法的优化算法 |
| 3.3.1 粒子群算法和共轭梯度法分析 |
| 3.3.2 混合粒子群优化算法 |
| 3.3.3 数值实验 |
| 3.4 基于混合粒子群算法的神经网络训练 |
| 3.4.1 适应度函数的建立 |
| 3.4.2 实验结果 |
| 3.5 结论 |
| 第四章 基于混合粒子群算法的产量质量优化 |
| 4.1 产量质量优化数学模型 |
| 4.2 综合工况评判模型 |
| 4.3 具有多约束条件的智能优化方法 |
| 4.3.1 有约束条件的优化问题 |
| 4.3.2 并行优化原理 |
| 4.4 基于改进线性法的混合粒子群优化算法 |
| 4.4.1 粒子群算法早熟的几种情况分析 |
| 4.4.2 线性搜索方法 |
| 4.4.3 混合粒子群优化算法 |
| 4.4.4 算法的收敛性分析 |
| 4.4.5 数值实验 |
| 4.5 产量质量优化仿真实验 |
| 4.6 小结 |
| 第五章 基于多目标粒子群协同算法的状态参数优化 |
| 5.1 多目标优化模型 |
| 5.2 有约束条件的多目标优化方法 |
| 5.2.1 有约束条件的多目标优化问题 |
| 5.2.2 种群个体支配比较方法 |
| 5.2.3 群体排序方法 |
| 5.2.4 归档机制与粒子极值的选取 |
| 5.3 多目标粒子群协同优化算法 |
| 5.3.1 标准粒子群算法对粒子的评价 |
| 5.3.2 多目标粒子群协同优化算法的实现 |
| 5.3.3 协同算法优化仿真结果分析 |
| 5.4 烧结过程优化仿真实现 |
| 5.4.1 烧结过程的优化设计流程 |
| 5.4.2 优化仿真实验 |
| 5.5 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表及完成论文情况 |
| 攻读博士学位期间参加的科研项目情况 |
（5）基于数据驱动的密闭鼓风炉故障诊断及预测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景与意义 |
| 1.2 复杂工业过程故障诊断的主要方法及现状 |
| 1.2.1 基于解析模型的方法 |
| 1.2.2 基于数据驱动的方法 |
| 1.2.3 基于知识的方法 |
| 1.3 密闭鼓风炉铅锌冶炼过程故障诊断技术研究现状 |
| 1.4 论文的主要研究内容 |
| 第二章 密闭鼓风炉冶炼过程工艺故障分析及故障诊断与预测系统框架 |
| 2.1 引言 |
| 2.2 密闭鼓风炉铅锌冶炼工艺以及特点 |
| 2.3 密闭鼓风炉冶炼过程故障分析 |
| 2.4 密闭鼓风炉故障诊断与预测系统框架 |
| 2.5 本章小结 |
| 第三章 基于核密度估计的密闭鼓风炉主元分析故障检测方法 |
| 3.1 引言 |
| 3.2 传统主元分析方法 |
| 3.3 密闭鼓风炉主元分析故障检测模型存在的问题及改进 |
| 3.4 基于核密度估计的主元分析故障检测原理 |
| 3.4.1 非参数统计方法简述 |
| 3.4.2 核密度估计的原理 |
| 3.4.3 基于核密度估计的主元分析故障检测模型 |
| 3.5 故障检测实例 |
| 3.5.1 数据预处理 |
| 3.5.2 检测结果与讨论 |
| 3.6 本章小结 |
| 第四章 基于主元分析与支持向量机的密闭鼓风炉故障诊断 |
| 4.1 引言 |
| 4.2 PCA-SVM密闭鼓风炉故障诊断框架 |
| 4.3 支持向量机 |
| 4.3.1 最优分类超平面的构造 |
| 4.3.2 核函数 |
| 4.3.3 多类分类法 |
| 4.3.4 改进的“一对其余”多支持向量机分类算法 |
| 4.4 基于PCA-SVM的密闭鼓风炉故障诊断 |
| 4.4.1 模型特征提取 |
| 4.4.2 故障诊断系统的训练 |
| 4.4.3 故障诊断系统的诊断测试 |
| 4.5 本章小结 |
| 第五章 基于案例推理的不完备信息故障诊断方法 |
| 5.1 引言 |
| 5.2 基于不完备信息的密闭鼓风炉故障诊断框架 |
| 5.3 不完备特征值的获取方法 |
| 5.3.1 未知特征值获取过程 |
| 5.3.2 未知特征值的处理方法 |
| 5.4 案例推理 |
| 5.4.1 案例推理理论 |
| 5.4.2 案例推理的主要类型 |
| 5.4.3 案例推理的推理过程 |
| 5.5 应用结果及分析 |
| 5.5.1 几种不完备信息处理方法的评估 |
| 5.5.2 故障诊断结果与讨论 |
| 5.6 本章小结 |
| 第六章 基于WLS-SVM的Hammerstein密闭鼓风炉故障预测方法 |
| 6.1 引言 |
| 6.2 基于LS-SVM的预测模型 |
| 6.2.1 模型描述 |
| 6.2.2 建模过程 |
| 6.3 基于加权最小二乘支持向量机的Hammerstein模型的辨识 |
| 6.3.1 Hammerstein模型 |
| 6.3.2 Hammerstein模型的加权最小二乘支持向量机辨识 |
| 6.4 应用结果及分析 |
| 6.4.1 密闭鼓风炉故障预测模型原理框图 |
| 6.4.2 密闭鼓风炉故障预测模型的建立与评估 |
| 6.4.3 仿真结果 |
| 6.5 本章小结 |
| 第七章 密闭鼓风炉故障诊断与预测系统实现 |
| 7.1 引言 |
| 7.2 密闭鼓风炉故障诊断与预报系统软件结构 |
| 7.3 密闭鼓风炉故障诊断与预测系统主要功能模块 |
| 7.3.1 系统初始化模块 |
| 7.3.2 系统过程数据采集与管理模块 |
| 7.3.3 系统核心功能模块 |
| 7.3.4 人机对话模块 |
| 7.4 密闭鼓风炉故障诊断与预测系统的设计与采用的技术 |
| 7.5 小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表及完成论文情况 |
| 攻读博士学位期间参加的科研项目情况 |
（6）铅锌烧结配料过程的智能集成建模与优化控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 烧结生产机理与理论模型研究 |
| 1.2.2 配料过程建模与优化控制算法研究 |
| 1.2.3 配料过程精度和质量控制研究 |
| 1.3 烧结配料过程存在的问题 |
| 1.4 论文研究内容 |
| 1.5 论文构成 |
| 第二章 铅锌烧结配料过程智能集成建模方法 |
| 2.1 密闭鼓风铅锌烧结过程的机理分析 |
| 2.1.1 ISP烧结工艺流程 |
| 2.1.2 烧结焙烧的基本原理 |
| 2.1.3 烧结焙烧过程的化学反应分析 |
| 2.1.4 烧结配料过程分析 |
| 2.2 烧结块成分智能集成预测模型 |
| 2.2.1 基于过程神经网络的烧结块成分时间序列预测模型 |
| 2.2.2 烧结块成分灰色预测模型 |
| 2.2.3 基于信息熵的集成预测模型 |
| 2.2.4 仿真结果与分析 |
| 2.3 烧结返粉量智能集成预测模型 |
| 2.3.1 基于支持向量机的返粉量预测模型 |
| 2.3.2 返粉量改进灰色预测模型 |
| 2.3.3 返粉量智能集成预测模型 |
| 2.3.4 仿真结果与分析 |
| 2.4 小结 |
| 第三章 一次配料定性定量智能集成优化算法 |
| 3.1 铅锌烧结主要原料特性与经济性分析 |
| 3.1.1 铅锌烧结的主要原料及特性 |
| 3.1.2 铅锌烧结主要原料的经济性分析 |
| 3.1.3 铅锌烧结原料对ISP工艺过程的影响分析 |
| 3.2 铅锌烧结配料优化模型 |
| 3.3 烧结配料智能优化方法 |
| 3.3.1 基于专家推理策略的烧结配料优化方法 |
| 3.3.2 基于免疫遗传算法的烧结配料优化方法 |
| 3.3.3 烧结配料定性定量综合集成优化方法 |
| 3.4 配料优化结果分析 |
| 3.5 小结 |
| 第四章 基于烧结工况综合评价的二次配料智能优化策略 |
| 4.1 烧结生产全流程各参数间关系分析 |
| 4.2 操作参数智能优化策略 |
| 4.3 烧结生产工况模糊综合评价 |
| 4.4 二次配料过程操作参数匹配优化算法 |
| 4.4.1 优化样本数据集的加权模糊C均值聚类算法 |
| 4.4.2 基于聚类分析的操作参数匹配优化算法 |
| 4.5 应用结果分析 |
| 4.6 小结 |
| 第五章 铅锌烧结配料过程智能集成控制策略 |
| 5.1 烧结配料工艺机理分析 |
| 5.2 烧结配料智能集成控制策略 |
| 5.2.1 智能集成控制策略的提出 |
| 5.2.2 智能集成控制系统的总体设计 |
| 5.3 配料模糊控制器设计 |
| 5.3.1 模糊控制算法分析 |
| 5.3.2 配料模糊控制器设计 |
| 5.4 配料自适应PID控制器设计 |
| 5.4.1 PID控制算法及其参数对系统性能的影响 |
| 5.4.2 PID控制器参数自整定策略 |
| 5.4.3 自适应PID控制器设计 |
| 5.5 配料智能集成控制策略实现 |
| 5.5.1 加权因子的确定 |
| 5.5.2 控制算法实现 |
| 5.5.3 给定流量调整算法 |
| 5.6 仿真结果分析 |
| 5.7 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间主要研究成果 |
（7）基于透气性预测的铅锌烧结配料过程优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 论文构成 |
| 第二章 烧结过程机理分析 |
| 2.1 铅锌烧结工艺流程 |
| 2.1.1 烧结焙烧目的 |
| 2.1.2 烧结焙烧工艺流程 |
| 2.1.3 烧结焙烧基本原理 |
| 2.1.4 烧结块的质量指标 |
| 2.2 配料过程及目的 |
| 2.3 混合料水分的作用 |
| 2.4 烧结透气性分析 |
| 2.4.1 烧结透气性 |
| 2.4.2 影响透气性的因素分析 |
| 2.5 优化设定方案设计 |
| 2.6 小结 |
| 第三章 烧结过程透气性预测模型 |
| 3.1 综合透气性指数 |
| 3.1.1 透气性指数 |
| 3.1.2 综合透气性指数模型 |
| 3.2 神经网络预测模型 |
| 3.2.1 BP神经网络 |
| 3.2.2 相关性分析 |
| 3.2.3 BP神经网络预测模型 |
| 3.3 灰色理论预测模型 |
| 3.3.1 GM(1,1)建模原理 |
| 3.3.2 灰色理论预测模型 |
| 3.4 基于组合优化的集成预测模型 |
| 3.5 仿真实验与结果分析 |
| 3.5.1 仿真实验内容 |
| 3.5.2 结果分析 |
| 3.6 小结 |
| 第四章 基于透气性预测的二配配比与水分优化设定 |
| 4.1 透气性状况模糊综合评判模型 |
| 4.2 二配配比与水分优化设定 |
| 4.2.1 优化遍历搜索算法 |
| 4.2.2 二配配比优化区间设定方法 |
| 4.2.3 水分优化区间设定方法 |
| 4.2.4 二配配比与水分优化设定 |
| 4.3 仿真实验与结果分析 |
| 4.4 小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
（8）基于单位时间锌产量预测的密闭鼓风炉炉况研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 炉况诊断的重要性 |
| 1.1.2 单位时间锌产量预测的意义 |
| 1.2 国内外研究现状 |
| 1.2.1 炉况诊断国内外研究现状 |
| 1.2.2 可拓学国内外现状 |
| 1.3 论文主要研究内容 |
| 第二章 ISP熔炼过程机理分析 |
| 2.1 ISP冶炼过程工艺 |
| 2.1.1 ISP工艺流程及熔炼过程 |
| 2.1.2 熔炼过程机理分析 |
| 2.2 炉况诊断的主要评价指标 |
| 2.3 影响单位时间锌产量的主要因素 |
| 2.4 本章小结 |
| 第三章 基于粗糙集与BP网络的单位时间锌产量预测模型 |
| 3.1 引言 |
| 3.2 粗糙集方法与原理 |
| 3.2.1 高斯混合模型 |
| 3.2.2 基于高斯混合模型的数据离散化 |
| 3.2.3 属性约简-基于条件信息熵的知识约简算法 |
| 3.3 BP神经网络 |
| 3.4 基于粗糙集与BP神经网络的单位时间锌产量预测 |
| 3.4.1 粗糙集方法进行数据处理 |
| 3.4.2 数据处理结果分析 |
| 3.4.3 BP神经网络预测单位时间锌产量 |
| 3.4.4 预测结果分析 |
| 3.5 本章小结 |
| 第四章 基于可拓评价方法的炉况诊断 |
| 4.1 引言 |
| 4.2 可拓学概述 |
| 4.2.1 物元理论 |
| 4.2.2 可拓集合与可拓逻辑 |
| 4.3 常用的综合评价方法 |
| 4.3.1 层次分析法和模糊综合评价方法 |
| 4.3.2 可拓评价方法 |
| 4.3.3 三种综合评价方法的比较 |
| 4.4 可拓评判的炉况诊断模型 |
| 4.5 本章小结 |
| 第五章 系统软件实现 |
| 5.1 软件总体设计 |
| 5.1.1 开发工具 |
| 5.1.2 系统总体结构 |
| 5.2 软件功能设计 |
| 5.3 软件界面 |
| 5.4 运行结果分析 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间主要的研究成果 |
（9）基于粗糙集的铅锌熔炼过程不完备信息智能处理方法及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 铅锌熔炼过程工艺背景 |
| 1.2 国内外研究现状 |
| 1.2.1 有色金属熔炼过程的控制现状 |
| 1.2.2 不完备信息处理的研究现状 |
| 1.2.3 粗糙集理论的研究现状 |
| 1.3 课题的研究目的及意义 |
| 1.4 论文的主要研究内容 |
| 第二章 铅锌熔炼过程及不完备信息分析 |
| 2.1 铅锌熔炼过程工艺及分析 |
| 2.1.1 铅锌熔炼过程工艺分析 |
| 2.1.2 影响熔炼过程的主要因素 |
| 2.1.3 铅锌熔炼过程的信息特点 |
| 2.2 铅锌熔炼过程的不完备信息分析 |
| 2.3 小结 |
| 第三章 不完备信息的预处理 |
| 3.1 不完备信息系统 |
| 3.2 不完备信息的预处理方法 |
| 3.2.1 属性类型的划分 |
| 3.2.2 基于多属性的数据补全方法 |
| 3.2.3 算法分析 |
| 3.3 小结 |
| 第四章 基于粗糙集理论的属性约简 |
| 4.1 粗糙集理论简介 |
| 4.1.1 粗糙集理论的基本概念 |
| 4.1.2 粗糙集理论的特点及适用范围 |
| 4.2 属性约简 |
| 4.2.1 基于区分矩阵的属性约简 |
| 4.2.2 基于属性重要度的启发式约简 |
| 4.3 专家经验与粗糙集相结合的启发式约简 |
| 4.3.1 基于专家经验的属性重要度计算方法 |
| 4.3.2 改进算法的实现步骤 |
| 4.3.3 算法分析 |
| 4.4 小结 |
| 第五章 基于不完备信息智能处理的故障诊断 |
| 5.1 基于不完备信息的铅锌熔炼过程故障诊断 |
| 5.1.1 铅锌熔炼过程故障分析 |
| 5.1.2 故障诊断模型的建立 |
| 5.1.3 故障信息表的提取 |
| 5.2 不完备信息的预处理 |
| 5.3 基于粗糙集的不完备信息处理 |
| 5.4 基于粗糙集与神经网络的铅锌熔炼过程故障诊断 |
| 5.4.1 BP神经网络简介 |
| 5.4.2 神经网络模型设计 |
| 5.5 实验结果分析及比较 |
| 5.6 小结 |
| 第六章 结束语 |
| 6.1 研究工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读学位期间主要的研究成果 |
（10）铅锌生产过程密闭鼓风炉故障诊断技术及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 项目的背景与意义 |
| 1.2 故障诊断技术的发展与研究现状 |
| 1.2.1 基于数学模型的方法 |
| 1.2.2 基于信号处理的方法 |
| 1.2.3 基于知识的方法 |
| 1.3 密闭鼓风炉铅锌冶炼过程故障诊断难点 |
| 1.4 本文的研究内容和章节安排 |
| 第二章 密闭鼓风炉铅锌熔炼过程及故障分析 |
| 2.1 概述 |
| 2.1.1 铅锌生产过程与密闭鼓风炉工艺 |
| 2.1.2 密闭鼓风炉熔炼过程机理分析 |
| 2.2 密闭鼓风炉工况及故障分析 |
| 2.2.1 密闭鼓风炉熔炼过程工况条件 |
| 2.2.2 密闭鼓风炉熔炼过程主要故障 |
| 2.2.3 密闭鼓风炉主要故障特性分析 |
| 2.2.4 密闭鼓风炉故障诊断现状 |
| 2.3 本章小节 |
| 第三章 基于主元分析密闭鼓风炉炉况的故障诊断 |
| 3.1 主成份分析概述 |
| 3.1.1 主成份分析 |
| 3.1.2 主成份的计算方法 |
| 3.1.3 数据重构 |
| 3.1.4 主成份个数的选取 |
| 3.2 密闭鼓风炉的主元分析模型 |
| 3.2.1 主元分析过程统计监测模型 |
| 3.2.2 密闭鼓风炉的主元分析建模 |
| 3.3 故障诊断监测试验分析 |
| 3.4 改进 PCA密闭鼓风炉的主元分析 |
| 3.4.1 主元相关变量残差统计量 |
| 3.4.2 密闭鼓风炉熔炼过程及故障分析 |
| 3.5 本章总结 |
| 第四章 基于规则提取的密闭鼓风炉悬料故障的诊断方法 |
| 4.1 密闭鼓风炉悬料故障诊断知识的不完备性与对策 |
| 4.2 基于减法聚类的连续型属性数据离散化方法 |
| 4.2.1 问题的提出 |
| 4.2.2 改进的最近邻减法聚类 |
| 4.2.3 连续型属性数据离散化算法及应用 |
| 4.2.4 仿真实验 |
| 4.3 基于粗糙集的故障诊断知识提取方法 |
| 4.3.1 密闭鼓风炉不完整数据集的等价类定义 |
| 4.3.2 基于粗糙集方法的知识获取方法 |
| 4.3.3 知识提取与数值实验 |
| 4.4 本章小结 |
| 第五章 密闭鼓风炉结瘤故障分析与关键参数预报模型 |
| 5.1 密闭鼓风炉结瘤故障产生的原因、特点及描述 |
| 5.1.1 密闭鼓风炉结瘤故障产生的原因 |
| 5.1.2 密闭鼓风炉结瘤故障特点 |
| 5.1.3 密闭鼓风炉结瘤故障描述 |
| 5.2 密闭鼓风炉铅锌熔炼过程透气性预报模型 |
| 5.2.1 密闭鼓风炉铅锌熔炼过程透气性指数的描述 |
| 5.2.2 基于神经网络的透气预测模型 |
| 5.2.3 基于灰色理论的透气预测模型 |
| 5.2.4 自适应组合式透气预测模型 |
| 5.3 密闭鼓风炉单位时间锌产量预测模型 |
| 5.3.1 基于支持向量机的回归模型 |
| 5.3.2 单位时间锌产量预报模型 |
| 5.4 本章小结 |
| 第六章 密闭鼓风炉结瘤故障智能诊断方法 |
| 6.1 基于案例推理的故障诊断技术 |
| 6.1.1 案例的推理 |
| 6.1.2 基于案例推理的故障诊断技术 |
| 6.2 结瘤故障案例的表示方法 |
| 6.2.1 结瘤故障案例的规范化描述 |
| 6.2.2 案例的表示方法 |
| 6.2.3 密闭鼓风炉结瘤故障案例表示 |
| 6.2.4 密闭鼓风炉结瘤故障案例表示实例 |
| 6.3 密闭鼓风炉故障案例的结构和索引 |
| 6.3.1 结瘤故障案例的层次结构 |
| 6.3.2 故障案例的索引 |
| 6.4 基于案例推理的密闭鼓风炉结瘤故障诊断模型 |
| 6.4.1 案例推理的概念模型 |
| 6.4.2 基于案例推理的密闭鼓风炉结瘤故障诊断模型 |
| 6.4.3 密闭鼓风炉故障诊断实例分析 |
| 6.5 基于参量预报与案例推理的密闭鼓风炉结瘤故障预报模型 |
| 6.5.1 密闭鼓风炉铅锌熔炼过程主要故障描述 |
| 6.5.2 参量预报与案例推理的密闭鼓风炉熔炼过程结瘤故障预报模型 |
| 6.5.3 密闭鼓风炉结瘤故障案例的建立与案例分析 |
| 6.6 本章小结 |
| 第七章 密闭鼓风炉智能故障诊断系统的实现 |
| 7.1 密闭鼓风炉智能集成故障诊断系统 |
| 7.1.1 密闭鼓风炉铅锌熔炼生产控制系统整体结构 |
| 7.1.2 μXL集散控制系统 |
| 7.1.3 智能故障诊断系统的结构 |
| 7.2 密闭鼓风炉故障诊断系统炉况仿真和软件实现 |
| 7.2.1 软件功能 |
| 7.2.2 软件实现的关键技术 |
| 7.2.3 软件界面 |
| 7.3 本章小结 |
| 第八章 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表及完成论文情况 |
| 攻读博士学位期间参加的科研项目情况 |
| 攻读博士学位期间获奖情况 |
四、基于灰色理论的密闭鼓风炉透气性预测模型（论文参考文献）
- [1]基于神经网络的透气性状态预测[J]. 徐辰华. 柳州师专学报, 2010(05)
- [2]铅锌烧结过程状态智能预测与优化控制策略[D]. 徐辰华. 中南大学, 2010(11)
- [3]面向综合生产目标的铅锌烧结过程优化方法研究[D]. 崔凯. 中南大学, 2009(04)
- [4]面向生产目标的铅锌烧结过程建模及优化研究[D]. 丁雷. 中南大学, 2009(02)
- [5]基于数据驱动的密闭鼓风炉故障诊断及预测研究[D]. 蒋少华. 中南大学, 2009(02)
- [6]铅锌烧结配料过程的智能集成建模与优化控制策略研究[D]. 王春生. 中南大学, 2008(02)
- [7]基于透气性预测的铅锌烧结配料过程优化研究[D]. 孙良君. 中南大学, 2008(01)
- [8]基于单位时间锌产量预测的密闭鼓风炉炉况研究[D]. 毛丽娟. 中南大学, 2008(01)
- [9]基于粗糙集的铅锌熔炼过程不完备信息智能处理方法及应用[D]. 谷丽姗. 中南大学, 2008(01)
- [10]铅锌生产过程密闭鼓风炉故障诊断技术及应用[D]. 唐朝晖. 中南大学, 2008(12)