一、改造抽力系统 提高烧结块的产量和质量（论文文献综述）
翟亮[1]（2020）在《ISP工艺烧结机富氧烧结改造实践》文中研究指明某公司铅锌冶炼厂采用铅锌密闭鼓风炉法（ISP）生产锌和铅,需要在烧结机的原配料中加入公司积存的含锌、铅、银的中间物料,这样就出现了鼓风炉的处理量与烧结机生产能力不相匹配的问题。公司通过设备改造,采用富氧鼓风进行强化烧结焙烧,解决了这一问题,最佳富氧强化烧结焙烧试验结果:结块率从试验前19. 5%左右提高至21%～22%,烧结块产量提高约10. 7%;块残硫平均降低了0. 2%左右,降幅16. 7%;烧结块含铅下调至17. 5%～18. 5%区间,减少了铅精矿使用量;每天硫酸产量对比试验前提高6～20 t左右;转化器保温用电炉开动率由试验前50%左右降至最低17%左右。
张君评[2]（2012）在《影响烧结结块率因素的分析探讨》文中进行了进一步梳理本文通过仔细分析影响烧结块结块率的相关因素,找出精矿物化特性、炉料状况、烧结供风能力与操作等影响因素,从而采取相应措施,以提高烧结块结块率,满足生产需求。
张立杰,张蕊,孙荣廷,吴逸雄[3]（2012）在《基于S7-400H PLC冗余系统的烧结温度控制》文中研究指明结合烧结的工艺特点,使用西门子的S7-400H PLC实现对系统的控制要求。针对烧结温度滞后和耦合性较强等特点,设计了一种模糊PID控制器。此控制方案能够较好地克服传统PID控制动态性能差、参数整定难以及模糊控制存在稳态误差等问题,有效地提高了烧结块的质量,给企业带来了可观的经济效益。
肖阳[4]（2011）在《鼓风烧结机技术改造》文中提出介绍韶关冶炼厂I系统烧结机技术改造主要内容。通过对台车、传动系统、尾架、密封及风机配置等进行改进,满足了烧结机厚料层烧结工艺要求,提高了烧结块产量和设备的运行可靠性,减少了烟尘排放,取得了较好改造效果。
殷勤生[5]（2010）在《缩小主料斗喉口改善烧结料层的透气度》文中研究表明详细介绍了缩小主料斗喉口改善烧结料层透气度的原因,对ISP工艺烧结生产具有一定的指导意义。
徐辰华[6]（2010）在《铅锌烧结过程状态智能预测与优化控制策略》文中认为铅锌金属在国防、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。
丁雷[7]（2009）在《面向生产目标的铅锌烧结过程建模及优化研究》文中认为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。
王春生[8]（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》文中进行了进一步梳理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。
曾令成[9]（2008）在《韶关冶炼厂Ⅰ系统挖潜技术改造实践》文中研究指明介绍了韶关冶炼厂Ⅰ系统实施挖潜技术改造的主要内容,改造效果及存在的问题。
庄坤[10]（2008）在《铅锌烧结过程状态控制方法研究》文中提出铅锌被广泛应用于国防、电子等众多工业领域。烧结块是铅锌密闭鼓风炉熔炼的主要原料,铅锌烧结块质量的好坏,对铅锌冶炼生产效率的高低有着举足轻重的影响。烧结过程状态是铅锌烧结生产状况的反映,状态的稳定和优化是提高烧结块产量质量的有效手段。首先,通过分析烧结过程工艺特点,阐述了铅锌烧结过程状态控制对于烧结块产量质量优化的重要性。然后,针对烧结过程强非线性、大滞后性和不确定性等控制难点,提出了基于模糊T-S预测模型的透气性模糊专家控制和烧穿点模糊预测控制的基本思想。针对影响透气性的因素多、可调节透气性的控制参数少,以及透气性描述和评判的模糊性等问题,建立了透气性的模糊T-S预测模型,提高了透气性的预测精度。基于透气性的预测值,利用模糊推理技术对不确定性信息的处理能力和专家控制方法适用于复杂工业过程的优点,结合烧结生产加水操作专家经验,提出了透气性的模糊专家控制策略,实现了对透气性的有效控制。针对铅锌烧结过程烧穿点存在的不确定性,现有预测模型对不确定性考虑不足以及预测精度不够理想等问题,提出了烧穿点的模糊预测控制方法。通过分析烧穿点的直接影响因素,可知在不同垂直燃烧速度的作用下,烧穿点和台车速度之间表现出分段线性化关系。采用模糊T-S模型辨识方法建立烧穿点的模糊T-S模型,提高了烧穿点的建模效果。基于烧穿点的动态模糊模型,采用隐式广义预测控制方法求取台车速度的预测控制律,实现烧穿点的模糊预测控制。基于现场数据,对所提出的透气性和烧穿点控制方法进行仿真分析,结果表明,透气性的模糊专家控制策略能有效稳定料层透气性,并对透气性的优化设定值有很好的跟踪效果;烧穿点的模糊T-S模型能有效抑制过程不确定信息地影响,建模效果优于基于烧结机理的神经网络模型;模糊预测控制方法与烧穿点的模糊控制方法相比,具有响应快、超调小、调节时间短的优点,能快速有效地跟踪烧穿点优化设定值的变化。
二、改造抽力系统 提高烧结块的产量和质量（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、改造抽力系统 提高烧结块的产量和质量（论文提纲范文）
（1）ISP工艺烧结机富氧烧结改造实践（论文提纲范文）
| 1 概述 |
| 2 富氧烧结设备改造 |
| 3 富氧烧结操作实践 |
| 3.1 采用富氧烧结后生产条件的变化情况 |
| 3.2 采用富氧烧结后各项技术经济指标情况 |
| 4 经济效益核算 |
| 5 结论 |
（2）影响烧结结块率因素的分析探讨（论文提纲范文）
| 1 引言 |
| 2 影响烧结块结块率的因素 |
| 2.1 精矿物化特性的影响 |
| 2.2 炉料的影响 |
| 2.3 烧结供风能力与操作的影响 |
| 2.4 烧结料层厚度的影响 |
| 3 采取的措施 |
| 3.1 精矿配料方面 |
| 3.2 炉料方面 |
| 3.3 供风配置方面 |
| 4 结语 |
（3）基于S7-400H PLC冗余系统的烧结温度控制（论文提纲范文）
| 1 工艺简介 |
| 2 系统组网方案及硬件配置 |
| 3 系统软件设计 |
| 3.1 模糊PID控制器设计 |
| 3.2 上位机软件设计 |
| 4 结语 |
（4）鼓风烧结机技术改造（论文提纲范文）
| 1 韶关冶炼厂I系统烧结机原生产情况 |
| 2技术改造内容[1] |
| 2.1 台车 |
| 2.2 传动系统 |
| 2.3 主料仓 |
| 2.4 星轮及齿板 |
| 2.5 尾架 |
| 2.6 夹套换热器 |
| 2.7 台车与烟罩的密封 |
| 2.8 工艺风机配置 |
| 3 改造效果 |
（5）缩小主料斗喉口改善烧结料层的透气度（论文提纲范文）
| 1 引言 |
| 2 缩料口的依据 |
| 2.1 主料斗自身结构特点 |
| 2.2 缩料口降低床层阻力 |
| 2.3 炉料的性质更适宜缩料口的操作 |
| 2.4 缩料口控制烧穿点 |
| 3 缩料口后主要技术经济指标对比分析 |
| 3.1 工艺控制参数 |
| 3.1.1 风箱区域压力 |
| 3.1.2 烧穿点温度 |
| 3.2 产品质量、质量指标 |
| 3.2.1 烧结产量及小时产块 |
| 3.2.2 质量指标 |
| 3.3 炉料的粒级情况 |
| 3.4 缩料口的效益分析 |
| 4 结语 |
（6）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 |
（7）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 |
（8）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 |
（10）铅锌烧结过程状态控制方法研究（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 烧结过程状态控制研究现状 |
| 1.2.1 透气性控制研究现状 |
| 1.2.2 烧穿点控制研究现状 |
| 1.3 研究内容与目标 |
| 1.4 论文构成 |
| 第二章 铅锌烧结过程状态控制的基本思想 |
| 2.1 铅锌烧结过程机理 |
| 2.1.1 ISP工艺 |
| 2.1.2 烧结焙烧基本原理 |
| 2.2 状态控制与产量质量优化的关系分析 |
| 2.2.1 状态参数对产量质量的影响 |
| 2.2.2 状态控制的重要性分析 |
| 2.3 烧结过程状态控制的基本思想 |
| 2.3.1 透气性控制的基本思想 |
| 2.3.2 烧穿点控制的基本思想 |
| 2.4 小结 |
| 第三章 基于预测模型的透气性模糊专家控制 |
| 3.1 料层综合透气性指数 |
| 3.1.1 单个风箱的透气性指数 |
| 3.1.2 料层综合透气性模型 |
| 3.2 透气性的模糊T-S预测模型 |
| 3.2.1 模型输入参数选择 |
| 3.2.2 透气性模型辨识 |
| 3.2.3 模型后件参数辨识 |
| 3.3 透气性模糊专家控制器设计 |
| 3.3.1 模糊专家控制器结构 |
| 3.3.2 变量模糊化及解模糊 |
| 3.3.3 模糊专家控制规则 |
| 3.4 仿真实验与结果分析 |
| 3.4.1 建模仿真结果分析 |
| 3.4.2 控制仿真结果分析 |
| 3.5 小结 |
| 第四章 烧穿点模糊预测控制 |
| 4.1 烧穿点的主要控制问题 |
| 4.1.1 烧结工况特点 |
| 4.1.2 影响烧穿点的不确定性因素 |
| 4.1.3 模糊预测控制方法设计 |
| 4.2 烧穿点的模糊T-S建模 |
| 4.2.1 模型结构 |
| 4.2.2 烧穿点的软测量 |
| 4.2.3 建模数据预处理 |
| 4.2.4 模糊规则前件辨识 |
| 4.2.5 模型后件参数辨识 |
| 4.3 台车速度的预测控制律 |
| 4.3.1 烧穿点的全局模型 |
| 4.3.2 模型预测控制器设计 |
| 4.4 仿真实验与结果分析 |
| 4.4.1 建模仿真结果分析 |
| 4.4.2 控制仿真结果分析 |
| 4.5 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 |
四、改造抽力系统 提高烧结块的产量和质量（论文参考文献）
- [1]ISP工艺烧结机富氧烧结改造实践[J]. 翟亮. 中国有色冶金, 2020(01)
- [2]影响烧结结块率因素的分析探讨[J]. 张君评. 甘肃冶金, 2012(01)
- [3]基于S7-400H PLC冗余系统的烧结温度控制[J]. 张立杰,张蕊,孙荣廷,吴逸雄. 自动化与仪表, 2012(01)
- [4]鼓风烧结机技术改造[J]. 肖阳. 有色设备, 2011(04)
- [5]缩小主料斗喉口改善烧结料层的透气度[J]. 殷勤生. 甘肃冶金, 2010(05)
- [6]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)
- [7]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)
- [8]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)
- [9]韶关冶炼厂Ⅰ系统挖潜技术改造实践[J]. 曾令成. 中国有色冶金, 2008(04)
- [10]铅锌烧结过程状态控制方法研究[D]. 庄坤. 中南大学, 2008(01)