| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 加热炉工艺简介 | 第11-12页 |
| 1.3 复杂工业过程建模与在线校正方法介绍 | 第12-16页 |
| 1.3.1 复杂工业过程建模方法简介 | 第12-14页 |
| 1.3.2 模型在线校正方法简介 | 第14-16页 |
| 1.4 加热炉钢坯温度场预报模型的研究现状 | 第16-17页 |
| 1.5 本文主要工作 | 第17-20页 |
| 第2章 加热炉钢坯温度预报模型 | 第20-34页 |
| 2.1 温度场传热学基础 | 第20-22页 |
| 2.2 钢坯温度预报模型的机理分析 | 第22-27页 |
| 2.2.1 加热炉对钢坯传热模型 | 第22-24页 |
| 2.2.2 钢坯在多维温度场的导热微分方程 | 第24-27页 |
| 2.3 结合工程实际的钢坯二维状态空间温度预报模型 | 第27-32页 |
| 2.3.1 模型假设 | 第27-28页 |
| 2.3.2 分段总括热吸收率 | 第28页 |
| 2.3.3 二维钢温预报模型的建立 | 第28-31页 |
| 2.3.4 钢温预报模型计算流程 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 炉膛总括热吸收率的智能辨识 | 第34-48页 |
| 3.1 总括热吸收率的参数辨识方法 | 第34-36页 |
| 3.1.1 理论计算 | 第34页 |
| 3.1.2 “黑匣子”试验方法 | 第34-35页 |
| 3.1.3 基于出炉钢温的智能辨识方法 | 第35-36页 |
| 3.2 基于粒子群算法的总括热吸收率辨识 | 第36-42页 |
| 3.2.1 粒子群算法基本原理及优点 | 第36-39页 |
| 3.2.2 粒子群算法在总括热吸收率参数辨识上的应用 | 第39-42页 |
| 3.3 模型仿真与结果分析 | 第42-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 基于模糊推理与过程监测的总括热吸收率在线校正 | 第48-64页 |
| 4.1 模糊推理的理论概述 | 第48-53页 |
| 4.1.1 模糊理论基础 | 第48-50页 |
| 4.1.2 模糊推理系统 | 第50-53页 |
| 4.2 基于过程监测与模糊推理的在线校正设计 | 第53-58页 |
| 4.2.1 在线校正流程 | 第54-55页 |
| 4.2.2 模糊推理系统设计 | 第55-57页 |
| 4.2.3 基于过程监测的加热炉运行状态评价 | 第57-58页 |
| 4.3 仿真研究 | 第58-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
