烧结过程数学模型与人工智能

1 (p1): 1 烧结过程的特征和控制方案
1 (p1-2): 1.1 烧结技术的发展
2 (p1-3): 1.2 烧结过程的特征
6 (p1-4): 1.3 烧结过程控制方案
6 (p1-5): 1.3.1 烧结过程的控制方法
7 (p1-6): 1.3.2 烧结过程的控制方案
7 (p1-7): 参考文献
9 (p2): 2 烧结过程检测和自动控制
9 (p2-2): 2.1 烧结过程计算机控制现状
9 (p2-3): 2.1.1 国外研究的现状与发展
12 (p2-4): 2.1.2 国内研究的现状与发展
13 (p2-5): 2.2.1 烧结过程人工智能控制系统的在线实时要求
13 (p2-6): 2.2 烧结过程在线信息的实时采集
14 (p2-7): 2.2.2 烧结过程的信息分类与采集
17 (p2-8): 2.2.3 数据的预处理
19 (p2-9): 2.3 烧结过程检测和自动控制
19 (p2-10): 2.3.1 原料准备系统
20 (p2-11): 2.3.2 配料系统
20 (p2-12): 2.3.3 混合系统
23 (p2-13): 2.3.4 烧结系统
26 (p2-14): 2.3.5 冷却系统
27 (p2-15): 2.3.6 成品管理系统
27 (p2-16): 2.3.7 余热回收及主排气系统
27 (p2-17): 2.3.8 除尘和水处理系统
28 (p2-18): 参考文献
30 (p2-19): 3.1.1 数学模型及其分类
30 (p2-20): 3.1 数学模型基础
30 (p3): 3 烧结过程数学模型
32 (p3-2): 3.1.2 数学模型的作用
33 (p3-3): 3.1.3 建模的步骤
34 (p3-4): 3.2 数学模型的建立方法
34 (p3-5): 3.2.1 机理分析法
34 (p3-6): 3.2.2 数据分析法
41 (p3-7): 3.2.3 综合分析法
42 (p3-8): 3.3 数学模型在烧结过程中的应用
42 (p3-9): 3.3.1 过程模拟模型
43 (p3-10): 3.3.2 参数优化模型
45 (p3-11): 3.3.3 过程控制模型
45 (p3-12): 3.3.4 新工艺开发模型
46 (p3-13): 参考文献
50 (p3-14): 4.1 人工智能概述
50 (p4): 4 烧结过程人工智能
51 (p4-2): 4.1.1 专家系统
52 (p4-3): 4.1.2 人工神经网络
53 (p4-4): 4.1.3 模糊控制
54 (p4-5): 4.2 人工智能技术在烧结过程中的应用现状
55 (p4-6): 4.2.1 国外研究与应用的现状
57 (p4-7): 4.2.2 国内研究与应用的现状
58 (p4-8): 4.3 烧结过程专家系统
58 (p4-9): 4.3.1 专家系统基础
61 (p4-10): 4.3.2 专家系统的总体结构
65 (p4-11): 4.3.3 知识表示与知识库组织
80 (p4-12): 4.3.4 推理机
88 (p4-13): 4.3.5 知识库的管理
89 (p4-14): 4.3.6 学习机理
92 (p4-15): 4.3.7 软件开发方法
94 (p4-16): 4.3.8 专家系统的开发工具
105 (p4-17): 4.4 烧结过程人工神经网络
105 (p4-18): 4.4.1 人工神经网络基本原理
108 (p4-19): 4.4.2 基于神经网络的专家系统
110 (p4-20): 4.4.3 基于神经网络的系统辨识
114 (p4-21): 4.4.4 用VC++实现人工神经网络技术
118 (p4-22): 4.5 烧结过程模糊理论
118 (p4-23): 4.5.1 模糊综合评判
124 (p4-24): 4.5.2 模糊控制
128 (p4-25): 参考文献
134 (p4-26): 5.1.1 配料自动控制系统
134 (p4-27): 5.1 配料控制系统
134 (p5): 5 烧结矿化学成分的控制
136 (p5-2): 5.1.2 配料模糊控制系统
138 (p5-3): 5.2 烧结矿化学成分的预报模型
138 (p5-4): 5.2.1 基于时间序列的预报模型
153 (p5-5): 5.2.2 基于神经网络的预报模型
167 (p5-6): 5.2.3 基于灰色系统的预报模型
167 (p5-7): 5.2.4 基于物料平衡的预报模型
170 (p5-8): 5.3 烧结矿化学成分的控制
170 (p5-9): 5.3.1 烧结矿化学成分的闭环控制系统
171 (p5-10): 5.3.2…