| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 针铁矿法沉铁工艺研究现状 | 第9-10页 |
| 1.3 过程生产指标预测的研究现状 | 第10-11页 |
| 1.4 论文的研究内容及结构 | 第11-13页 |
| 第二章 湿法炼锌针铁矿法沉铁工艺分析 | 第13-22页 |
| 2.1 常用富氧直接浸出炼锌工艺概述 | 第13-15页 |
| 2.2 针铁矿法沉铁过程工艺介绍 | 第15-17页 |
| 2.3 影响沉铁效果因素分析 | 第17-19页 |
| 2.4 沉铁过程铁离子浓度预测的建模思路 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于机理的沉铁过程铁离子浓度预测模型 | 第22-29页 |
| 3.1 沉铁过程反应动力学模型 | 第22-25页 |
| 3.1.1 Fe~(2+)氧化反应动力学 | 第22-24页 |
| 3.1.2 Fe~(3+)水解反应动力学 | 第24-25页 |
| 3.2 气液相平衡模型 | 第25-27页 |
| 3.3 反应器物料平衡模型 | 第27-28页 |
| 3.3.1 沉铁反应器的简化 | 第27页 |
| 3.3.2 物料平衡分析 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 机理模型参数的优化估计及仿真分析 | 第29-50页 |
| 4.1 机理模型参数优化估计描述 | 第29-30页 |
| 4.2 粒子群优化算法 | 第30-34页 |
| 4.2.1 粒子群优化算法简介 | 第30页 |
| 4.2.2 粒子群优化算法的基本思想 | 第30-32页 |
| 4.2.3 粒子群优化算法的构成要素 | 第32-33页 |
| 4.2.4 粒子群优化算法流程 | 第33-34页 |
| 4.3 改进粒子群优化算法NIWPSO | 第34-37页 |
| 4.4 NIWPSO算法的优化性能分析 | 第37-42页 |
| 4.4.1 常用标准测试函数 | 第37页 |
| 4.4.2 各粒子群算法的参数设置 | 第37-38页 |
| 4.4.3 实验结果分析 | 第38-42页 |
| 4.5 数据采集及预处理 | 第42-45页 |
| 4.5.1 数据采集 | 第42页 |
| 4.5.2 数据预处理 | 第42-44页 |
| 4.5.3 数据时序匹配 | 第44-45页 |
| 4.6 仿真实验分析 | 第45-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第五章 沉铁过程铁离子浓度预测系统开发 | 第50-64页 |
| 5.1 系统概述 | 第50-52页 |
| 5.1.1 系统总体结构 | 第50-51页 |
| 5.1.2 系统工作流程 | 第51-52页 |
| 5.2 系统开发平台及工具 | 第52-53页 |
| 5.3 系统设计原则 | 第53-54页 |
| 5.4 系统软件设计 | 第54-59页 |
| 5.4.1 系统界面设计 | 第54页 |
| 5.4.2 软件功能设计 | 第54-56页 |
| 5.4.3 数据库设计 | 第56页 |
| 5.4.4 数据通信设计 | 第56-59页 |
| 5.5 软件主要功能实现 | 第59-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文总结 | 第64页 |
| 6.2 未来工作展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间主要研究成果 | 第72页 |
