烧结过程智能实时操作指导系统的研究
|
摘要
计算机控制是烧结现代化的一个重要标志，它在提高烧结机生产率和烧结
矿质量、降低燃料消耗、延长设备寿命等方面发挥着巨大作用。至今我国拥有
烧结机达300多台，总烧结面积达18200m~2。但是普遍存在自动化水平低的问
题，这已经成为制约烧结矿产量、质量提高的主要因素之一。目前国内大、中
型烧结机都具备了过程检测和设备控制能力，当务之急是研究烧结过程的全局
控制方法，开发烧结工艺的“过程控制”系统。
烧结过程是一个工艺流程长、影响因素多、机理复杂的动态系统，采用传
统的控制理论和方法难以解决全局控制问题。近年来，以专家系统、模糊控制、
人工神经网络为代表的人工智能技术被引入烧结领域，为烧结计算机控制提供
了一条有效的途径。
本文综合运用烧结理论、现代控制理论、人工智能理论等多学科知识，对
烧结过程及其控制的理论和方法进行了深入研究。开发烧结过程智能实时操作
指导系统，具有重要的理论意义和实用价值。
在分析烧结过程控制的特点后，提出了烧结过程全局控制分长期和短期控
制的基本思想，将复杂的烧结全局控制分解为六个子系统，分别完成六个子控
制目标，由主系统进行数据采集和烧结总体工况识别，并调度和协调各子系统
运行。本论文研究内容包括主系统的数据采集和总体工况识别功能，烧结终点
控制子系统和烧结过程异常状况诊断子系统的实现。
本文研究了烧结过程实时信息的在线采集和预处理方法，为实现系统的实
时在线控制奠定了基础。
在对烧结机理分析的基础上，确定采用产量、质量、过程透气性和热状态
四个类别来评判烧结过程总体工况，并结合专家经验和检测条件，确定了各类
别的表征参数。开发了烧结工况识别模型，通过数学模型与知识模型相结合，
实现了烧结工况识别。
烧结终点是烧结机操作的主要依据，是烧结过程的关键中间参数，本文对
烧结终点控制方法进行了深入细致的研究。针对烧结终点难以定量化和存在时
间滞后的问题，提出了终点判断和预报策略。研究了基于时间序列模型的烧结
终点自适应预报，并用这种方法比较了三种热状态参数：正常拐点温度、废气
温度曲线上升点和废气温度曲线面积对烧结终点的预报效果。选定废气温度曲
线上升点作为烧结终点的预报参数。研究了基于人工神经网络的烧结终点自适
应预报，研究了神经网络BP算法的改进，提出了神经网络的自组织算法和具
有普遍意义的有限新息在线训练方法，满足了神经网络在线训练的实时要求。
开发的烧结终点自适应神经网络预报器实现了烧结终点的准确预报。结合该领
域专家的操作经验，对烧结终点采取模糊控制措施，并研究了具有通用性的模
糊控制规则的在线优化方法，改善了模糊控制系统的动态自适应性能。
在生产中及时地诊断异常的发生并给出操作指导，可以保证烧结过程的顺
烧结过程智能实时操作抬导系统的研究 拘要
利进行。本文研究了烧结过程中出现的典型异常状况的诊断方法，捉出烧结异
常模糊诊断策略，将专家诊断异常和消除异常的经验归纳整理，作为计算机诊
断异常和指导操作的依据。
根据烧结领域知识的特点，研究了综合到知识表达方式和多库多层次知识
库结构，捉出了能够充分表达烷结领域知识模糊性的改进模糊产生式表达方法。
采用多级推理模烈，建立了高效的推理机：总体口标推理采用过程化推理，烧『
结异常类型诊断采川模糊诊断与反向椎理相结合推理，异常原因分析、控制诀
策采用止向推理，提出了模糊规则的不精确推理方法和模糊匹配策略。实现了
专家系统对模糊知识的充分表达和高效运用。
川VC＋＋语言，采H面向对象程序设计方法，开发了烧结过程智能实时操
作指导系统软什，升应山了武钢435ffi2人R0烧结机生产过程的在线操作指导，
获得成功验址。
The computer control has been a major sign of sintering modernization, it plays a important role in increasing the productivity of sintering plant. obtaining good quality~ reducing energy consumption and lengthen the service life of equipment. At present. there are more than 300 sets of sintering plai~t in our country with their total sintering area beyond 18200m2. However, low automation level is a normal problem and has been a major fact that limit the improving of sinter quality and quantity. The process detection and basic control equipment are equipped in large and middle scale sintering plants in our country up to now. It is the next assignment that investigating the method of total control of sintering process and develop the 損rocess control?system.
Sintering process is a dynamic system with long circuit. multivariable and complex mechanism. it is hard to perform control task of total sintering process by using conventional control theory and methods including modem control and classical control. In recent years. artificial intelligence theory such as expert system. fuzzy control and artificial neural network has been induced to sintering process control. which provide an efficient approach to realize the computer control in sintering process.
In this paper. the mechanism arid technique of sintering process control are investigated by comprehensive utilization of sintering theory. modern control theory and artificial intelligence. An intelligent guide system for controlling sintering process is developed, which earns theoretical significance and practical value.
After an analysis of the characteristics of sintering process. the basic control scheme including long-time control and short-time control is suggested. The complicated control of total sintering process is divided into six subsystems and each of them perform a control task. A main system perform data collection and general operation mode recognition task, which assign and coordinate subsystems meanwhile. This paper emphasis on the main system. the burning through point control subsystem and the subsystem for abnormity diagnosing in sintering process.
The four state categories such as productivity, quality of sinter. permeability of sintering process and heat-pattern are used to judge the operation mode of sintering process based on the analysis of sintering mechanism, detected variables for judging each state category are chosen depend on experience of sintering experts and detection situation. The mathematics model for recognizing the operation mode of sintering process is developed and combined with knowledge-based model in order to realize the operation mode recognition of sintering process.
The state of burning through point (BTP) is the mainly dependence for operating on-strand sinter plant. so it is a key middle variable of sintering process. The strategies for controlling the BTP are studied deeply in this paper including judging on-line strategy and prediction strategy, which offers the solution of long time delay and hard-detection of BTP. The adaptive prediction model for BTP based on time-series system identification is established
?Ill .
wa~Jf~
and used as a tool in comparing three kinds of heat variable, such as the temperature of normal inflexion, the rising point of waste gas temperature curve and the area of waste gas temperature curve. As the result, the rising point of waste gas temperature curve is chosen as the predictive variable of BTP. The adaptive prediction of burning through point based on artificial neural network (ANN) is investigated~ the back-propagation algorithm of ANN is modified and the self-organizing algorithm is put forward, the universal limit new-information on-line training method is proposed in order to meet the need of real-time training of ANN. The adaptive predictor of BTP based on ANN is designed and makes accurate prediction of BTP. The fuzzy control strategy of BTP is proposed according to experience of experts in sintering field. The universal on-line optimal method on fu
矿质量、降低燃料消耗、延长设备寿命等方面发挥着巨大作用。至今我国拥有
烧结机达300多台，总烧结面积达18200m~2。但是普遍存在自动化水平低的问
题，这已经成为制约烧结矿产量、质量提高的主要因素之一。目前国内大、中
型烧结机都具备了过程检测和设备控制能力，当务之急是研究烧结过程的全局
控制方法，开发烧结工艺的“过程控制”系统。
烧结过程是一个工艺流程长、影响因素多、机理复杂的动态系统，采用传
统的控制理论和方法难以解决全局控制问题。近年来，以专家系统、模糊控制、
人工神经网络为代表的人工智能技术被引入烧结领域，为烧结计算机控制提供
了一条有效的途径。
本文综合运用烧结理论、现代控制理论、人工智能理论等多学科知识，对
烧结过程及其控制的理论和方法进行了深入研究。开发烧结过程智能实时操作
指导系统，具有重要的理论意义和实用价值。
在分析烧结过程控制的特点后，提出了烧结过程全局控制分长期和短期控
制的基本思想，将复杂的烧结全局控制分解为六个子系统，分别完成六个子控
制目标，由主系统进行数据采集和烧结总体工况识别，并调度和协调各子系统
运行。本论文研究内容包括主系统的数据采集和总体工况识别功能，烧结终点
控制子系统和烧结过程异常状况诊断子系统的实现。
本文研究了烧结过程实时信息的在线采集和预处理方法，为实现系统的实
时在线控制奠定了基础。
在对烧结机理分析的基础上，确定采用产量、质量、过程透气性和热状态
四个类别来评判烧结过程总体工况，并结合专家经验和检测条件，确定了各类
别的表征参数。开发了烧结工况识别模型，通过数学模型与知识模型相结合，
实现了烧结工况识别。
烧结终点是烧结机操作的主要依据，是烧结过程的关键中间参数，本文对
烧结终点控制方法进行了深入细致的研究。针对烧结终点难以定量化和存在时
间滞后的问题，提出了终点判断和预报策略。研究了基于时间序列模型的烧结
终点自适应预报，并用这种方法比较了三种热状态参数：正常拐点温度、废气
温度曲线上升点和废气温度曲线面积对烧结终点的预报效果。选定废气温度曲
线上升点作为烧结终点的预报参数。研究了基于人工神经网络的烧结终点自适
应预报，研究了神经网络BP算法的改进，提出了神经网络的自组织算法和具
有普遍意义的有限新息在线训练方法，满足了神经网络在线训练的实时要求。
开发的烧结终点自适应神经网络预报器实现了烧结终点的准确预报。结合该领
域专家的操作经验，对烧结终点采取模糊控制措施，并研究了具有通用性的模
糊控制规则的在线优化方法，改善了模糊控制系统的动态自适应性能。
在生产中及时地诊断异常的发生并给出操作指导，可以保证烧结过程的顺
烧结过程智能实时操作抬导系统的研究 拘要
利进行。本文研究了烧结过程中出现的典型异常状况的诊断方法，捉出烧结异
常模糊诊断策略，将专家诊断异常和消除异常的经验归纳整理，作为计算机诊
断异常和指导操作的依据。
根据烧结领域知识的特点，研究了综合到知识表达方式和多库多层次知识
库结构，捉出了能够充分表达烷结领域知识模糊性的改进模糊产生式表达方法。
采用多级推理模烈，建立了高效的推理机：总体口标推理采用过程化推理，烧『
结异常类型诊断采川模糊诊断与反向椎理相结合推理，异常原因分析、控制诀
策采用止向推理，提出了模糊规则的不精确推理方法和模糊匹配策略。实现了
专家系统对模糊知识的充分表达和高效运用。
川VC＋＋语言，采H面向对象程序设计方法，开发了烧结过程智能实时操
作指导系统软什，升应山了武钢435ffi2人R0烧结机生产过程的在线操作指导，
获得成功验址。
The computer control has been a major sign of sintering modernization, it plays a important role in increasing the productivity of sintering plant. obtaining good quality~ reducing energy consumption and lengthen the service life of equipment. At present. there are more than 300 sets of sintering plai~t in our country with their total sintering area beyond 18200m2. However, low automation level is a normal problem and has been a major fact that limit the improving of sinter quality and quantity. The process detection and basic control equipment are equipped in large and middle scale sintering plants in our country up to now. It is the next assignment that investigating the method of total control of sintering process and develop the 損rocess control?system.
Sintering process is a dynamic system with long circuit. multivariable and complex mechanism. it is hard to perform control task of total sintering process by using conventional control theory and methods including modem control and classical control. In recent years. artificial intelligence theory such as expert system. fuzzy control and artificial neural network has been induced to sintering process control. which provide an efficient approach to realize the computer control in sintering process.
In this paper. the mechanism arid technique of sintering process control are investigated by comprehensive utilization of sintering theory. modern control theory and artificial intelligence. An intelligent guide system for controlling sintering process is developed, which earns theoretical significance and practical value.
After an analysis of the characteristics of sintering process. the basic control scheme including long-time control and short-time control is suggested. The complicated control of total sintering process is divided into six subsystems and each of them perform a control task. A main system perform data collection and general operation mode recognition task, which assign and coordinate subsystems meanwhile. This paper emphasis on the main system. the burning through point control subsystem and the subsystem for abnormity diagnosing in sintering process.
The four state categories such as productivity, quality of sinter. permeability of sintering process and heat-pattern are used to judge the operation mode of sintering process based on the analysis of sintering mechanism, detected variables for judging each state category are chosen depend on experience of sintering experts and detection situation. The mathematics model for recognizing the operation mode of sintering process is developed and combined with knowledge-based model in order to realize the operation mode recognition of sintering process.
The state of burning through point (BTP) is the mainly dependence for operating on-strand sinter plant. so it is a key middle variable of sintering process. The strategies for controlling the BTP are studied deeply in this paper including judging on-line strategy and prediction strategy, which offers the solution of long time delay and hard-detection of BTP. The adaptive prediction model for BTP based on time-series system identification is established
?Ill .
wa~Jf~
and used as a tool in comparing three kinds of heat variable, such as the temperature of normal inflexion, the rising point of waste gas temperature curve and the area of waste gas temperature curve. As the result, the rising point of waste gas temperature curve is chosen as the predictive variable of BTP. The adaptive prediction of burning through point based on artificial neural network (ANN) is investigated~ the back-propagation algorithm of ANN is modified and the self-organizing algorithm is put forward, the universal limit new-information on-line training method is proposed in order to meet the need of real-time training of ANN. The adaptive predictor of BTP based on ANN is designed and makes accurate prediction of BTP. The fuzzy control strategy of BTP is proposed according to experience of experts in sintering field. The universal on-line optimal method on fu
引文
1．傅菊英，姜涛，朱德庆．烧结球团学。长沙：中南工业大学出版社，1996
2．马竹梧，邱建平，李江．钢铁工业自动化．北京：冶金工业出版社，2000：78
3．周取定．我国炼铁精料技术进步及对今后发展的建议．中国冶金，1995，3：1
4．叶匡吾．提高烧结矿质量改善高炉原料条件．矿冶工程，1996，增刊2：25
5．沐继尧．论高炉精料．矿冶工程，1996，增刊2：37
6．唐先觉．对我国烧结行业进行技术改造的若干建议．2000年炼铁生产技术工作会议暨炼铁年会论文集，国家冶金工业局，宝钢，2000，40
7．杨自厚．人工智能技术在钢铁工业中的应用(下)．冶金自动化，1994，18(5)：43
8.I.R.Dash, E.Rose. Simulation of a sinter strand process. Ironmaking and Steelmaking,1978, (1): 25～30
9.Mayumi Yashinaga, Teshikiko Kubo. Approximate simulation model for sintering process. The Sumitomo Search, 1978, (20): 1～14
10.Hideo TODA, Kimio KATO Theoretical Investigation of sintering process. Transactions ISIJ, 1984, 24:178～186
11.M.J.Cumming, W. J .Rankin, J. R .Siemaon, et al.. Modeling and Simulation of Iron Ore Sintering. In: 4~(th) International Symposium on Agglomeration, Toronto, Canada, 1985:763～766
12.F. Patisson, D.Ablitzer, et al.. A Physico-chemical and Thermal Model of Iron Ore Sintering Process. Proceeding of the 6~(th) Process Technology Conference, 1986: 511-514
13.A.G.Waters, J.D.Lister, et al.. A Mathematical Model for the Prediction of Granule Size Distribution for Muiticomponet Sinter Feed. Trans. ISIJ, 1989, 29(4): 274～283
14.F. Patisson. Study of Moister Transfer during the Strand Sintering Process. Metal Trans., 1990, 2 (21B): 37～47
15．徐瑞图，周取定．烧结过程床层结构变化的数学模拟．第一届中澳双边技术交流会论文集，1987：134～142
16．邹志毅．烧结水分迁移数学模型及计算机仿真．烧结球团，1994，19(2)：1～7
17．佐藤骏等．Melting Model for lron Ore Sintering.ISIJ,1986,26:282～290
18．佐藤骏等．Mineral Forming and its Composition Model for lron Ore Sinter．铁钢，1987，73(8)：956～962
19．徐瑞图，吴胜利土编．中国铁矿石烧结研究——周取定教授论文集，冶金工业出版社，1997，北京，242
20．R.J.贝特哈姆，M.克罗斯，J.A.瑟尔比．造块系统中模拟研究的回顾．第五届国际造块会议论文选，北京：冶金工业出版社，1991，429～441
21．佐藤骏等．Controlling Factors for the Strength of Sinter and Its Model，铁钢，1987，73(8)：963～971
22．国分，春生等．风速公布烧结矿制造解析．铁钢，1984, 70(14)：1666～1678
23．刘克文，周取定．烧矿质量预报模型的研究．烧结球团，1990，15(1)：1～6
24．黎建明，杨兆祥．烧结过程数学模型的研究．烧结球团，1990, 15(5)：1～9
25.O.Arai, A.Yamarnoto, et al.. The quality control system of sintering plant at kashima steel works. In: IFAC Automation in Mining, Mineral and Metal Processing, Helsinki, Finland, 1983:347～355
26.V. Errigo, C.Riccardi, et al.. Waste gas analysis under grate as a new means of sinter process control. In: 4~(th) Internationsal Symposium on Agglomeration, Toronto, Canada, 1985:153
27.Takeo Satoh, Yojiro Yarnaoka, et al.. Estimation of Temperature profile in sintering bed based on sensor informations. Trans. ISIJ, 1985, 25(9): B-205
28.N.D.Corte, J.L.Gerbe, et al.. Automatization and modelisation of the process at the usinor dunkirk No.3 sintering plant. In: 4~(th) Internationsal Symposium on Agglomeration, Toronto, Canada, 1985:787～803
29.N.Tamura, M.Konishi, et al.. Mathematical approch for the optimazation of the sintering process operation. In: IFAC Automation in Mining, Mineral and Metal Processing, Tokyo, Japan, 1986:203～208
30.Gunther Straka. Process control model for sinter machine speed. Metallurrical Plant and Technology International, 1992, (5): 78～80
31.R.J.Batterham, W.T. Denhol. Automation Control of Agglomeration and Smelting Process. In: IFAC Automation for Mineral Resource Development, Queensland, Austrlia, 1985, 213～222
32．滨田胜成等．烧结最新制御．住金属，1992，44(1)：151～160
33.E.Rose, P.P. Kanjilal. A self-tuning Multivariable predictor and its application to the control of sintering quality, In: IFAC Automation in Mining, Mineral and Metal Processing, Tokyo, Japan, 1986, 217～222
34.P.P. Kanjilai, E.Rose. Application of adaptive prediction and control methods for improved operation of the sintering process. Ironmaking and Steelmaking, 1986, 13(6): 289～293
35.K.Hamada, Y. Matoba, et al.. Systeme de controle de la composition chimique de I'agglomere. Revue de Metallurgie—CIT, 1987, (5): 409～419
36．中岛龙一等．烧结层内幅方向制御开发．铁钢，1990，(6)：19～25
37．范晓慧．烧结过程控制专家指导系统的研究．[博士论文]．长沙，中南工业大学，1996
38.George E.P. Box, Gwilym M.Jenkins, Gregory C.Reinsei. 时间序列分析．预测与控制．北京：中国统计出版社，1997
39.Takazo Kawaguchi, Mayumi Yoshinaga, et al.. Development and application of an integrated simulation model for iron ore sintering, Ironmaking Proceedings, 1987, 46:99～106
40.Minoru Watanabe, Yutaka Sasaki, et al.. Development of Oporation Guide System and its Application to Chiba No.4 Sinter Plant. In. 4~(th) Internationsal Symposium on Agglomeration, Toronto, Canada, 1985:147～152
41.深川卓美，井山俊司等．Sinter Operation Control System with Artificial Intelligence. 川崎制铁技报，1991, 23 (3): 203～209
42.Kazuma Nakashima等．用“操作指导烧结过程控制．烧结球团，1987, 12 (6): 41～48
43.P.R.Dawson. Recent Development In Iron Ore Sintering. Part 4. Iroumaking and Steelmaking, 1993, 20(2): 150～159
44．周取定．国外铁矿石烧结球团技术新进展．烧结球团，1986，11(5)：65～74
45．王海东等．烧结控制技术的发展．矿冶工程，1999，17(3)：3～6
46．陈振宇．大力发展钢铁工业低成本自动化．冶金自动化，1993，17(4)：3～6
47．王信义．生产系统中的监控检测技术．北京：北京理工大学出版社，1998，316
48.Katsushige Hamada, et al.. An Advanced Total Control System for Sintering Process.住友金属, 1992, (1): 151～160
49．三木克之等．烧结设备的自动控制系统．国外烧结球团，1988，(1)：44～54
50．魏乐康．工业过程烧结矿化学成分预报模型研究[硕士学位论文]，中南工业大学，1995
51．钱士刚．工业过程烧结矿FeO预报模型的研究[硕士学位论文]，中南工业大学，1994
52．于洋，张宏勋．快速失重法测定富矿粉、焦粉水分．烧结球团，1999，24(4)：1～3
53．刘克文，周取定．烧结矿质量预报模型的研究．烧结球团，1990，15(1)：13
54．张学东等．基于模糊逻辑推理的烧结机尾断面图象补偿．烧结球团，1999，24(3)：7
55．杨英华等．烧结机点火器燃烧模糊控制及其应用．钢铁，1998，33(2)：1
56．魏竣青．烧结机料层厚度的智能控制．中国锰业，1998，(2)：38
57．吴志芳等．烧结工艺外配燃料计量控制系统．钢铁，1999，34(3)：5
58．黄立友等．采用过程决策程序图法控制烧结矿品位．钢铁，1999，34(7)：1
59．蒋人军等．利用灰色系统建模预测烧结生产技术指标及其影响因素分析．烧结球团，1998，23(5)：27
60.Yindi, Huangtianzheng, Fan xiaohui. Adaptive Prediction and Control of Sinter Chemical Composition. In: 6~(th) International Symposium on Agglomeration. Nagoya, Japan, 1993, 10
61.Fan xiaohui, Wang haidong, Chenjin, et al.. Expert System for Sintering Chemical Composition Control Based on Adaptive Prediction. Trans. of NFSOC, 1996, 6(1):47～50
62．范晓慧，王海东，黄天正等．基于自适应预报的烧结矿化学成分控制专家系统．中南工业大学学报，1996，27(3)：282～285
63．范晓慧，王海东，黄天正等．烧结过程控制专家系统(Ⅰ)——系统总体控制方案和系统总体结构．中南工业大学学报，1997，28(4)：325～328
64．范晓慧，黄天正等．烧结过程控制专家系统(Ⅱ)——区间优化控制策略和碱度中心控制策略．中南工业大学学报，1998，29(5)：429～431
65.Amano S., Takarabe T., Nakamori T. et al.. Expert System for Blast Furnace Operation at Kimitsu works. ISIJ. Intenational, 1990, 30(2): 105～110
66.Ryuichi N., Takashi S., Akira M.. Operation control system of blast furnace by artificial intelligence, Ironmaking conference proceedings, 1987:209～217
67.Shibata M., Hashimoto K., Wakimoto K.. Application of expert system for blat furnace operation control. Ironmaking conference proceedings, 1987:282～287
68．涂序彦．人工智能及其应用．北京：电子工业出版社，1988
69．柴天佑，荣莉，马庆云．智能控制技术在我国轧钢炉窑控制中的应用．冶金自动化，2000，24(1)：7～11
70．李松仁，陈松乔，黄平．矿石可选性预测专家系统(Ⅲ)——推理机设计．中南工业大学学报，1995，26(1)：16～20
71．陈松乔，李松仁，黄平．矿石可选性预测专家系统(Ⅳ)——多库结构及接口技术．中南工业大学学报，1995，26(3)：19～23
72．曾诚，李玲新，熊国良．回转机械震动模糊故障诊断系统的研制．华东交通大学学报，1999，16(4)：39～43
73．李松仁．选矿专家系统．金属矿山，1996，245(11)：15～19
74．董京炜，王众托．基于参考点的模糊知识表示．控制与决策，1994，9(2)：127～130
75．罗新星，李松仁，高阳．选矿知识表示方法及其应用．中国有色金属学报，1996，6(4)：29～32
76．阳春华，沈德耀，吴敏，等．焦炉配煤专家系统的定性定量综合设计方法．自动化学报，2000，26(2)：226～232
77．邱小杉，董峰，何宁，等．基于模糊推理的专家系统设计与实现．小型微型计算机系统，1999，20(10)：781～784
78．吴陈．不精确推理模型和算法的描述及应用探讨．计算机应用研究，1997(5)：24～26
79．安世虎，刘淑辉．模式匹配问题的进一步研究．计算机应用研究，1998，(4)：13～15
80．陈松乔，王瑞瑛．工业控制中实时数据传递新技术．中国有色金属学报，1996，6(2)：133～136
81．粱军，杨永耀，吕勇哉．DMES：一个实时控制专家系统．信息与控制，1993，22(3)：174～178
82．何新贵，模糊知识处理的理论与技术，国防工业出版社，北京，1998，238～310
83．张文修，粱广锡，模糊控制与系统，西安交通大学出版社，西安，1998，3
84.D.Filev, P. Angeiov. Fuzzy Optimal Control. Fuzzy Sets and System, 1992, 47(3):151～156
85．刘向杰，周孝信，柴天佑．模糊控制研究的现状与新发展．信息与控制，1999，28(4)：283～292
86．陈浩，刘中仁，吴浚郊．模糊控制在型砂质量控制中的应用研究．自动化与仪表，1999，14(6)：29～32
87．安田素郎．千叶4号烧结机实行最低能耗生产．国外烧结生产，1989，(4)：1～8
88．黄山松，杜继宏，冯元琨．人工神经网络及其在控制中的应用．计算机自动测量与控制，1999，7(2)：57～59
89.Asriel U.L., Kumpati S.N.. Control of nonlinear dynmical systems using neural networks: Part Ⅱ—observability, identification and control. IEEE Trans. on NN, 1996, 7(1): 30
90．王寅荣冈．一种基于神经网络的自组织模糊系统．控制与应用，1999，16(3)：455～457
91．艾立群．人工神经网络在钢铁工业中的应用．钢铁研究学报，1997，9(4)：60～63
92.Nicklaus F. P.. Application of neural Networks in Rolling Mill Automation. Iron and Steel Engineer, 1995, (4): 33～36
93.Bulsari A., Saxen H.. In. IFAC Workshop on expert Systems in Mineral and Metal Processing, Helsinki, 1991, 1～13
94．张立明．人工神经网络的模型及其应用．上海：复旦大学出版社，1993
95．安秋顺，马竹梧．专家系统开发工具发展现状及动向．冶金自动化，1995，19(2)：8～15
96．杨自厚．人工智能技术及其在钢铁工业中的应用(6)．冶金自动化，1994，18(5)：43～47
97．马竹梧．国外钢铁工业自动化的进展及展望，冶金自动化，1997，21(2)：1～4
98．李松林．人工智能在日本钢铁工业中的应用简况．摘自《OHM》，1992，(4)：28～33
99．毕学工．高炉过程数学模型及计算机控制．北京：冶金工业出版社，1996
100．马竹梧，杨飞强．高炉炉况判定GO-STOP系统的分析与移植，冶金自动化，1992，16(1)：3～5
101．赵恩光，金樟贤等．日本高炉人工智能控制的应用现状，冶金自动化，1991，15(3)：3～8
102．冯云凤等．异常炉况预报专家系统在宣钢300m~3高炉上的应用．冶金自动化，1993，17(5)：36～39
103.H.Unzaki, K.Miki, etal. New Control System of Sinter Plants at CHIBA Works. In: IFAC Automation in Mining, Mineral and Metal Processing, Tokyo Japan, 1986, 209～216
104．谢良贤．烧结过程自动控制技术的发展．冶金自动化，1994，18(6)：7～11
105．须仲新．新日铁在宝钢介绍计算机的应用．烧结球团，1989，14(5)：72
106.Kouichhi Matsuda, et al.. Modelling for Control Knowledge in Sintering Process Using Neural Network and Fuzzy Inference. 铁钢, 1992, (7)
107.Takumi Fukagawa, et al.. Sinter Operation Control System with Artificial Intelligence. 川崎制铁技报，1991, 23(3)
108．佐佐木丰等．烧结能耗控制系统的开发．川崎制铁技报，1987，19(2)：21～25
109．黄天正，唐少先．烧结过程控制专家系统建立初探．矿冶工程，1992，12(增刊)：224～227
110．刘克文，周取定．铁矿石烧结过程专家系统设计及仿真研究，庆祝林宗彩教授八十寿辰论文集，北京：冶金工业出版社，1996
111．姜宏洲，张学东，张宏勋．烧结生产专家指导系统研究．烧结球团，2000，25(1)：8～10
112．吴为民．烧结混合料水分检测及智能控制系统．烧结球团，1997，22(4)：38
113．冯建生等．一个基于神经网络的配矿专家系统．冶金自动化，1999，23(4)：7
114．李桃，范晓慧等．冶金过程的自适应预测模糊控制研究与应用．矿冶工程，2000，20(3)：34～37
115．姜宏洲，张学东，张宏勋等．烧结矿FeO含量智能检测仪的开发．冶金自动化，1999，23(6)：13～16
116．郭文军，王福利等．基于神经网络的烧结矿化学成分超前预报．烧结球团，1997，22(5)：7～10
117．王众托．知识系统管理．大连理工大学学报，1999，39(2)：336～342
118．陈洪波，刘群．支持混合知识表示的面向对象黑板模型．哈尔滨工业大学学报，1998，19(1)：47～54
119．张立群，石冰．一种应用于多专家会诊系统的调度专家机制．计算机工程，2000，26(7)：141～143
120.Kard D.S., Richard S.H.M., A real time expert system shell for quality control, IEEE Expert, 1992, 10:36～41
121.T.J.Laffey. Real time knowledge based systems. AI Magazine, 1988, 9(1): 27～45
122.Monika P.W., Wolfgang N.. Integrating model based and heuristic features in a real time expert system, IEEE Expert, 1993, 8:12～17
123．俞忠原，陈一民．工业过程控制计算机系统．北京：北京理工大学出版社，1995，202
124．杨尚宝，杨天钧．基于神经网络的高炉异常炉况判断专家系统．北京科技大学学报，1994，16(6)：517～521
125．李景银，郭宏飞，周伟．高炉异常炉况诊断专家系统的设计与实现．东北大学学报(自然科学版)，1997，18(2)：178～182
126．杨尚宝，杨天钧，董一诚．神经网络高炉炉况预测与判断专家系统．北京科技大学学报，1996，18(3)：220～225
127．钱学森，宋健．工程控制论．北京：科学出版社，1980，866～892
128．张钹．近十年人工智能的发展．模式识别与人工智能，1995，8(8)：1～8
129．王继成．模糊神经网络系统及其应用．模式识别与人工智能，1999，12(2)：184～190
130.Michinori Hattori, et al.. Development of Uniform and Stable Sintering Technology in Keihin Sintering Plant. NKK技报，1992, 138
131．刘增良主编．模糊技术与应用选编(2)．北京：北京航空航天大学出版社，1997，611
132．王众托．系统工程学．北京：国防工业出版社，1980，157
133．M.E.H.沙拉比等．烧结废气中CO_2／CO、压降和烧结终点之间的关系．国外烧结球团，1989，(2)：26～29
134．杨兆祥，杜继红．利用烧结废气成分分析判断烧结过程．烧结球团，1990，15(2)：9～18
135．方崇智，萧德云．过程辨识．北京：清华大学出版社，1988，146～501
136．李桃，姜涛，范晓慧．基于热状态参数的烧结终点自适应预报．烧结球团，2000，25(2)：1～3
137．蔡自兴．智能控制——基础与应用．北京：国防工业出版社，1998
138.Gou-Jen Wang, Chin-Cheng Chen, A Fast Multilayer Neural Network training Algorithm Based on the Layer-by-Layer Optimizing Procedures. IEEE Trans. On neural networks, 1996, 7(3): 768～775
139．李昆仑，杜维．基于神经网络的自适应控制方法．工业仪表与自动化装置，1999，(3)：19～29
140.Marco Gori, Marco Maggini. Optimal Convergence of On-line Backpropagation. IEEE Trans. On neural networks, 1996, 7(1): 251～254
141.John O.M., Panos J.A.. The dependence identification neural network construction algorithm. IEEE Trans. on NN, 1996, 7(1):3
142．张曾科．模糊数学在自动化技术中的应用．北京：清华大学出版社，1999
143．李士勇．模糊控制神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998
144.C.J.Harris, M.Brown. Advances in neurofuzzy algorithms for real-time modeling and control, Int. J. Control, 1996, 9(1): 1～16
145.C.T. Lin, C.S.Lee. Neural-network-based fuzzy logic control and decision system. IEEE Trans. Comput, 1991, 40: 1320～1336
146.D.A.Linkens, H.O.Nyongesa. Learning systems in intelligent control: an appraisal of fuzzy neural and genetic aiogorithm control applications, IEE Proc.-Control Theory Appl., 1996, 143(4): 367～386
147.D.E.Goldberg. Genetic and evolutionary algorithms: comes of age. Communication of the ACM, 1994, 37(3): 113～119
148．王晶．复杂系统的动态模糊控制及其在列车运行过程控制中的应用研究[博士学位论文]．中南工业大学，长沙，1997
149．朱明，王俊普，周迎春，等．一种用于化工过程异常诊断的实时专家系统．信息与控制，1994，23(1)：108～112
150．刘金琨，王树青．高炉异常炉况神经网络专家系统．钢铁研究学报，1998，10(5)：67～70
151．杨良士，钟延炯．动态系统故障诊断的新方法——专家系统．信息与控制，1988，17(3)：24～28
152．蔡自兴，徐光佑．人工智能及其应用．北京：清华大学出版社，1996：56
153．邵军力，张景等．人工智能基础．北京：电子工业出版社，2000：51
154．田盛丰．人工智能原理与应用．北京：北京理工大学出版社，1992：155
155．何家峰，叶虎年，李柱．面向对象的专家系统研究．华中理工大学学报，1999，27(8)：16～17
156．朱东海，刘良华，董海宁等．Visual C++6使用详解．北京：机械工业出版社，1999
2．马竹梧，邱建平，李江．钢铁工业自动化．北京：冶金工业出版社，2000：78
3．周取定．我国炼铁精料技术进步及对今后发展的建议．中国冶金，1995，3：1
4．叶匡吾．提高烧结矿质量改善高炉原料条件．矿冶工程，1996，增刊2：25
5．沐继尧．论高炉精料．矿冶工程，1996，增刊2：37
6．唐先觉．对我国烧结行业进行技术改造的若干建议．2000年炼铁生产技术工作会议暨炼铁年会论文集，国家冶金工业局，宝钢，2000，40
7．杨自厚．人工智能技术在钢铁工业中的应用(下)．冶金自动化，1994，18(5)：43
8.I.R.Dash, E.Rose. Simulation of a sinter strand process. Ironmaking and Steelmaking,1978, (1): 25～30
9.Mayumi Yashinaga, Teshikiko Kubo. Approximate simulation model for sintering process. The Sumitomo Search, 1978, (20): 1～14
10.Hideo TODA, Kimio KATO Theoretical Investigation of sintering process. Transactions ISIJ, 1984, 24:178～186
11.M.J.Cumming, W. J .Rankin, J. R .Siemaon, et al.. Modeling and Simulation of Iron Ore Sintering. In: 4~(th) International Symposium on Agglomeration, Toronto, Canada, 1985:763～766
12.F. Patisson, D.Ablitzer, et al.. A Physico-chemical and Thermal Model of Iron Ore Sintering Process. Proceeding of the 6~(th) Process Technology Conference, 1986: 511-514
13.A.G.Waters, J.D.Lister, et al.. A Mathematical Model for the Prediction of Granule Size Distribution for Muiticomponet Sinter Feed. Trans. ISIJ, 1989, 29(4): 274～283
14.F. Patisson. Study of Moister Transfer during the Strand Sintering Process. Metal Trans., 1990, 2 (21B): 37～47
15．徐瑞图，周取定．烧结过程床层结构变化的数学模拟．第一届中澳双边技术交流会论文集，1987：134～142
16．邹志毅．烧结水分迁移数学模型及计算机仿真．烧结球团，1994，19(2)：1～7
17．佐藤骏等．Melting Model for lron Ore Sintering.ISIJ,1986,26:282～290
18．佐藤骏等．Mineral Forming and its Composition Model for lron Ore Sinter．铁钢，1987，73(8)：956～962
19．徐瑞图，吴胜利土编．中国铁矿石烧结研究——周取定教授论文集，冶金工业出版社，1997，北京，242
20．R.J.贝特哈姆，M.克罗斯，J.A.瑟尔比．造块系统中模拟研究的回顾．第五届国际造块会议论文选，北京：冶金工业出版社，1991，429～441
21．佐藤骏等．Controlling Factors for the Strength of Sinter and Its Model，铁钢，1987，73(8)：963～971
22．国分，春生等．风速公布烧结矿制造解析．铁钢，1984, 70(14)：1666～1678
23．刘克文，周取定．烧矿质量预报模型的研究．烧结球团，1990，15(1)：1～6
24．黎建明，杨兆祥．烧结过程数学模型的研究．烧结球团，1990, 15(5)：1～9
25.O.Arai, A.Yamarnoto, et al.. The quality control system of sintering plant at kashima steel works. In: IFAC Automation in Mining, Mineral and Metal Processing, Helsinki, Finland, 1983:347～355
26.V. Errigo, C.Riccardi, et al.. Waste gas analysis under grate as a new means of sinter process control. In: 4~(th) Internationsal Symposium on Agglomeration, Toronto, Canada, 1985:153
27.Takeo Satoh, Yojiro Yarnaoka, et al.. Estimation of Temperature profile in sintering bed based on sensor informations. Trans. ISIJ, 1985, 25(9): B-205
28.N.D.Corte, J.L.Gerbe, et al.. Automatization and modelisation of the process at the usinor dunkirk No.3 sintering plant. In: 4~(th) Internationsal Symposium on Agglomeration, Toronto, Canada, 1985:787～803
29.N.Tamura, M.Konishi, et al.. Mathematical approch for the optimazation of the sintering process operation. In: IFAC Automation in Mining, Mineral and Metal Processing, Tokyo, Japan, 1986:203～208
30.Gunther Straka. Process control model for sinter machine speed. Metallurrical Plant and Technology International, 1992, (5): 78～80
31.R.J.Batterham, W.T. Denhol. Automation Control of Agglomeration and Smelting Process. In: IFAC Automation for Mineral Resource Development, Queensland, Austrlia, 1985, 213～222
32．滨田胜成等．烧结最新制御．住金属，1992，44(1)：151～160
33.E.Rose, P.P. Kanjilal. A self-tuning Multivariable predictor and its application to the control of sintering quality, In: IFAC Automation in Mining, Mineral and Metal Processing, Tokyo, Japan, 1986, 217～222
34.P.P. Kanjilai, E.Rose. Application of adaptive prediction and control methods for improved operation of the sintering process. Ironmaking and Steelmaking, 1986, 13(6): 289～293
35.K.Hamada, Y. Matoba, et al.. Systeme de controle de la composition chimique de I'agglomere. Revue de Metallurgie—CIT, 1987, (5): 409～419
36．中岛龙一等．烧结层内幅方向制御开发．铁钢，1990，(6)：19～25
37．范晓慧．烧结过程控制专家指导系统的研究．[博士论文]．长沙，中南工业大学，1996
38.George E.P. Box, Gwilym M.Jenkins, Gregory C.Reinsei. 时间序列分析．预测与控制．北京：中国统计出版社，1997
39.Takazo Kawaguchi, Mayumi Yoshinaga, et al.. Development and application of an integrated simulation model for iron ore sintering, Ironmaking Proceedings, 1987, 46:99～106
40.Minoru Watanabe, Yutaka Sasaki, et al.. Development of Oporation Guide System and its Application to Chiba No.4 Sinter Plant. In. 4~(th) Internationsal Symposium on Agglomeration, Toronto, Canada, 1985:147～152
41.深川卓美，井山俊司等．Sinter Operation Control System with Artificial Intelligence. 川崎制铁技报，1991, 23 (3): 203～209
42.Kazuma Nakashima等．用“操作指导烧结过程控制．烧结球团，1987, 12 (6): 41～48
43.P.R.Dawson. Recent Development In Iron Ore Sintering. Part 4. Iroumaking and Steelmaking, 1993, 20(2): 150～159
44．周取定．国外铁矿石烧结球团技术新进展．烧结球团，1986，11(5)：65～74
45．王海东等．烧结控制技术的发展．矿冶工程，1999，17(3)：3～6
46．陈振宇．大力发展钢铁工业低成本自动化．冶金自动化，1993，17(4)：3～6
47．王信义．生产系统中的监控检测技术．北京：北京理工大学出版社，1998，316
48.Katsushige Hamada, et al.. An Advanced Total Control System for Sintering Process.住友金属, 1992, (1): 151～160
49．三木克之等．烧结设备的自动控制系统．国外烧结球团，1988，(1)：44～54
50．魏乐康．工业过程烧结矿化学成分预报模型研究[硕士学位论文]，中南工业大学，1995
51．钱士刚．工业过程烧结矿FeO预报模型的研究[硕士学位论文]，中南工业大学，1994
52．于洋，张宏勋．快速失重法测定富矿粉、焦粉水分．烧结球团，1999，24(4)：1～3
53．刘克文，周取定．烧结矿质量预报模型的研究．烧结球团，1990，15(1)：13
54．张学东等．基于模糊逻辑推理的烧结机尾断面图象补偿．烧结球团，1999，24(3)：7
55．杨英华等．烧结机点火器燃烧模糊控制及其应用．钢铁，1998，33(2)：1
56．魏竣青．烧结机料层厚度的智能控制．中国锰业，1998，(2)：38
57．吴志芳等．烧结工艺外配燃料计量控制系统．钢铁，1999，34(3)：5
58．黄立友等．采用过程决策程序图法控制烧结矿品位．钢铁，1999，34(7)：1
59．蒋人军等．利用灰色系统建模预测烧结生产技术指标及其影响因素分析．烧结球团，1998，23(5)：27
60.Yindi, Huangtianzheng, Fan xiaohui. Adaptive Prediction and Control of Sinter Chemical Composition. In: 6~(th) International Symposium on Agglomeration. Nagoya, Japan, 1993, 10
61.Fan xiaohui, Wang haidong, Chenjin, et al.. Expert System for Sintering Chemical Composition Control Based on Adaptive Prediction. Trans. of NFSOC, 1996, 6(1):47～50
62．范晓慧，王海东，黄天正等．基于自适应预报的烧结矿化学成分控制专家系统．中南工业大学学报，1996，27(3)：282～285
63．范晓慧，王海东，黄天正等．烧结过程控制专家系统(Ⅰ)——系统总体控制方案和系统总体结构．中南工业大学学报，1997，28(4)：325～328
64．范晓慧，黄天正等．烧结过程控制专家系统(Ⅱ)——区间优化控制策略和碱度中心控制策略．中南工业大学学报，1998，29(5)：429～431
65.Amano S., Takarabe T., Nakamori T. et al.. Expert System for Blast Furnace Operation at Kimitsu works. ISIJ. Intenational, 1990, 30(2): 105～110
66.Ryuichi N., Takashi S., Akira M.. Operation control system of blast furnace by artificial intelligence, Ironmaking conference proceedings, 1987:209～217
67.Shibata M., Hashimoto K., Wakimoto K.. Application of expert system for blat furnace operation control. Ironmaking conference proceedings, 1987:282～287
68．涂序彦．人工智能及其应用．北京：电子工业出版社，1988
69．柴天佑，荣莉，马庆云．智能控制技术在我国轧钢炉窑控制中的应用．冶金自动化，2000，24(1)：7～11
70．李松仁，陈松乔，黄平．矿石可选性预测专家系统(Ⅲ)——推理机设计．中南工业大学学报，1995，26(1)：16～20
71．陈松乔，李松仁，黄平．矿石可选性预测专家系统(Ⅳ)——多库结构及接口技术．中南工业大学学报，1995，26(3)：19～23
72．曾诚，李玲新，熊国良．回转机械震动模糊故障诊断系统的研制．华东交通大学学报，1999，16(4)：39～43
73．李松仁．选矿专家系统．金属矿山，1996，245(11)：15～19
74．董京炜，王众托．基于参考点的模糊知识表示．控制与决策，1994，9(2)：127～130
75．罗新星，李松仁，高阳．选矿知识表示方法及其应用．中国有色金属学报，1996，6(4)：29～32
76．阳春华，沈德耀，吴敏，等．焦炉配煤专家系统的定性定量综合设计方法．自动化学报，2000，26(2)：226～232
77．邱小杉，董峰，何宁，等．基于模糊推理的专家系统设计与实现．小型微型计算机系统，1999，20(10)：781～784
78．吴陈．不精确推理模型和算法的描述及应用探讨．计算机应用研究，1997(5)：24～26
79．安世虎，刘淑辉．模式匹配问题的进一步研究．计算机应用研究，1998，(4)：13～15
80．陈松乔，王瑞瑛．工业控制中实时数据传递新技术．中国有色金属学报，1996，6(2)：133～136
81．粱军，杨永耀，吕勇哉．DMES：一个实时控制专家系统．信息与控制，1993，22(3)：174～178
82．何新贵，模糊知识处理的理论与技术，国防工业出版社，北京，1998，238～310
83．张文修，粱广锡，模糊控制与系统，西安交通大学出版社，西安，1998，3
84.D.Filev, P. Angeiov. Fuzzy Optimal Control. Fuzzy Sets and System, 1992, 47(3):151～156
85．刘向杰，周孝信，柴天佑．模糊控制研究的现状与新发展．信息与控制，1999，28(4)：283～292
86．陈浩，刘中仁，吴浚郊．模糊控制在型砂质量控制中的应用研究．自动化与仪表，1999，14(6)：29～32
87．安田素郎．千叶4号烧结机实行最低能耗生产．国外烧结生产，1989，(4)：1～8
88．黄山松，杜继宏，冯元琨．人工神经网络及其在控制中的应用．计算机自动测量与控制，1999，7(2)：57～59
89.Asriel U.L., Kumpati S.N.. Control of nonlinear dynmical systems using neural networks: Part Ⅱ—observability, identification and control. IEEE Trans. on NN, 1996, 7(1): 30
90．王寅荣冈．一种基于神经网络的自组织模糊系统．控制与应用，1999，16(3)：455～457
91．艾立群．人工神经网络在钢铁工业中的应用．钢铁研究学报，1997，9(4)：60～63
92.Nicklaus F. P.. Application of neural Networks in Rolling Mill Automation. Iron and Steel Engineer, 1995, (4): 33～36
93.Bulsari A., Saxen H.. In. IFAC Workshop on expert Systems in Mineral and Metal Processing, Helsinki, 1991, 1～13
94．张立明．人工神经网络的模型及其应用．上海：复旦大学出版社，1993
95．安秋顺，马竹梧．专家系统开发工具发展现状及动向．冶金自动化，1995，19(2)：8～15
96．杨自厚．人工智能技术及其在钢铁工业中的应用(6)．冶金自动化，1994，18(5)：43～47
97．马竹梧．国外钢铁工业自动化的进展及展望，冶金自动化，1997，21(2)：1～4
98．李松林．人工智能在日本钢铁工业中的应用简况．摘自《OHM》，1992，(4)：28～33
99．毕学工．高炉过程数学模型及计算机控制．北京：冶金工业出版社，1996
100．马竹梧，杨飞强．高炉炉况判定GO-STOP系统的分析与移植，冶金自动化，1992，16(1)：3～5
101．赵恩光，金樟贤等．日本高炉人工智能控制的应用现状，冶金自动化，1991，15(3)：3～8
102．冯云凤等．异常炉况预报专家系统在宣钢300m~3高炉上的应用．冶金自动化，1993，17(5)：36～39
103.H.Unzaki, K.Miki, etal. New Control System of Sinter Plants at CHIBA Works. In: IFAC Automation in Mining, Mineral and Metal Processing, Tokyo Japan, 1986, 209～216
104．谢良贤．烧结过程自动控制技术的发展．冶金自动化，1994，18(6)：7～11
105．须仲新．新日铁在宝钢介绍计算机的应用．烧结球团，1989，14(5)：72
106.Kouichhi Matsuda, et al.. Modelling for Control Knowledge in Sintering Process Using Neural Network and Fuzzy Inference. 铁钢, 1992, (7)
107.Takumi Fukagawa, et al.. Sinter Operation Control System with Artificial Intelligence. 川崎制铁技报，1991, 23(3)
108．佐佐木丰等．烧结能耗控制系统的开发．川崎制铁技报，1987，19(2)：21～25
109．黄天正，唐少先．烧结过程控制专家系统建立初探．矿冶工程，1992，12(增刊)：224～227
110．刘克文，周取定．铁矿石烧结过程专家系统设计及仿真研究，庆祝林宗彩教授八十寿辰论文集，北京：冶金工业出版社，1996
111．姜宏洲，张学东，张宏勋．烧结生产专家指导系统研究．烧结球团，2000，25(1)：8～10
112．吴为民．烧结混合料水分检测及智能控制系统．烧结球团，1997，22(4)：38
113．冯建生等．一个基于神经网络的配矿专家系统．冶金自动化，1999，23(4)：7
114．李桃，范晓慧等．冶金过程的自适应预测模糊控制研究与应用．矿冶工程，2000，20(3)：34～37
115．姜宏洲，张学东，张宏勋等．烧结矿FeO含量智能检测仪的开发．冶金自动化，1999，23(6)：13～16
116．郭文军，王福利等．基于神经网络的烧结矿化学成分超前预报．烧结球团，1997，22(5)：7～10
117．王众托．知识系统管理．大连理工大学学报，1999，39(2)：336～342
118．陈洪波，刘群．支持混合知识表示的面向对象黑板模型．哈尔滨工业大学学报，1998，19(1)：47～54
119．张立群，石冰．一种应用于多专家会诊系统的调度专家机制．计算机工程，2000，26(7)：141～143
120.Kard D.S., Richard S.H.M., A real time expert system shell for quality control, IEEE Expert, 1992, 10:36～41
121.T.J.Laffey. Real time knowledge based systems. AI Magazine, 1988, 9(1): 27～45
122.Monika P.W., Wolfgang N.. Integrating model based and heuristic features in a real time expert system, IEEE Expert, 1993, 8:12～17
123．俞忠原，陈一民．工业过程控制计算机系统．北京：北京理工大学出版社，1995，202
124．杨尚宝，杨天钧．基于神经网络的高炉异常炉况判断专家系统．北京科技大学学报，1994，16(6)：517～521
125．李景银，郭宏飞，周伟．高炉异常炉况诊断专家系统的设计与实现．东北大学学报(自然科学版)，1997，18(2)：178～182
126．杨尚宝，杨天钧，董一诚．神经网络高炉炉况预测与判断专家系统．北京科技大学学报，1996，18(3)：220～225
127．钱学森，宋健．工程控制论．北京：科学出版社，1980，866～892
128．张钹．近十年人工智能的发展．模式识别与人工智能，1995，8(8)：1～8
129．王继成．模糊神经网络系统及其应用．模式识别与人工智能，1999，12(2)：184～190
130.Michinori Hattori, et al.. Development of Uniform and Stable Sintering Technology in Keihin Sintering Plant. NKK技报，1992, 138
131．刘增良主编．模糊技术与应用选编(2)．北京：北京航空航天大学出版社，1997，611
132．王众托．系统工程学．北京：国防工业出版社，1980，157
133．M.E.H.沙拉比等．烧结废气中CO_2／CO、压降和烧结终点之间的关系．国外烧结球团，1989，(2)：26～29
134．杨兆祥，杜继红．利用烧结废气成分分析判断烧结过程．烧结球团，1990，15(2)：9～18
135．方崇智，萧德云．过程辨识．北京：清华大学出版社，1988，146～501
136．李桃，姜涛，范晓慧．基于热状态参数的烧结终点自适应预报．烧结球团，2000，25(2)：1～3
137．蔡自兴．智能控制——基础与应用．北京：国防工业出版社，1998
138.Gou-Jen Wang, Chin-Cheng Chen, A Fast Multilayer Neural Network training Algorithm Based on the Layer-by-Layer Optimizing Procedures. IEEE Trans. On neural networks, 1996, 7(3): 768～775
139．李昆仑，杜维．基于神经网络的自适应控制方法．工业仪表与自动化装置，1999，(3)：19～29
140.Marco Gori, Marco Maggini. Optimal Convergence of On-line Backpropagation. IEEE Trans. On neural networks, 1996, 7(1): 251～254
141.John O.M., Panos J.A.. The dependence identification neural network construction algorithm. IEEE Trans. on NN, 1996, 7(1):3
142．张曾科．模糊数学在自动化技术中的应用．北京：清华大学出版社，1999
143．李士勇．模糊控制神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998
144.C.J.Harris, M.Brown. Advances in neurofuzzy algorithms for real-time modeling and control, Int. J. Control, 1996, 9(1): 1～16
145.C.T. Lin, C.S.Lee. Neural-network-based fuzzy logic control and decision system. IEEE Trans. Comput, 1991, 40: 1320～1336
146.D.A.Linkens, H.O.Nyongesa. Learning systems in intelligent control: an appraisal of fuzzy neural and genetic aiogorithm control applications, IEE Proc.-Control Theory Appl., 1996, 143(4): 367～386
147.D.E.Goldberg. Genetic and evolutionary algorithms: comes of age. Communication of the ACM, 1994, 37(3): 113～119
148．王晶．复杂系统的动态模糊控制及其在列车运行过程控制中的应用研究[博士学位论文]．中南工业大学，长沙，1997
149．朱明，王俊普，周迎春，等．一种用于化工过程异常诊断的实时专家系统．信息与控制，1994，23(1)：108～112
150．刘金琨，王树青．高炉异常炉况神经网络专家系统．钢铁研究学报，1998，10(5)：67～70
151．杨良士，钟延炯．动态系统故障诊断的新方法——专家系统．信息与控制，1988，17(3)：24～28
152．蔡自兴，徐光佑．人工智能及其应用．北京：清华大学出版社，1996：56
153．邵军力，张景等．人工智能基础．北京：电子工业出版社，2000：51
154．田盛丰．人工智能原理与应用．北京：北京理工大学出版社，1992：155
155．何家峰，叶虎年，李柱．面向对象的专家系统研究．华中理工大学学报，1999，27(8)：16～17
156．朱东海，刘良华，董海宁等．Visual C++6使用详解．北京：机械工业出版社，1999