钢铁企业烧结SO2排放模型研究及应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景及意义 | 第8-13页 |
| 1.1.1 SO_2的危害 | 第9-11页 |
| 1.1.2 研究背景 | 第11-12页 |
| 1.1.3 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文研究内容、思路与创新点 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 研究思路 | 第16-17页 |
| 1.3.3 论文创新点 | 第17-18页 |
| 第二章 SO_2排放模型的建立 | 第18-35页 |
| 2.1 烧结单元生产过程分析 | 第18-23页 |
| 2.1.1 烧结工序简介 | 第18页 |
| 2.1.2 烧结工艺流程 | 第18-23页 |
| 2.2 烧结过程的物料流和能量流分析 | 第23-24页 |
| 2.3 某钢厂烧结生产情况 | 第24-26页 |
| 2.4 模型建立方案 | 第26-27页 |
| 2.4.1 模型系统建立原则 | 第26-27页 |
| 2.4.2 模型系统建立方法 | 第27页 |
| 2.5 物料流平衡模型 | 第27-28页 |
| 2.6 硫素流平衡模型 | 第28-30页 |
| 2.7 平衡模型说明 | 第30-31页 |
| 2.8 分配系数 | 第31-33页 |
| 2.8.1 物流分配系数 | 第31-32页 |
| 2.8.2 硫素流分配系数 | 第32-33页 |
| 2.9 本章小结 | 第33-35页 |
| 第三章 某烧结厂SO_2排放分析与建模 | 第35-57页 |
| 3.1 烧结SO_2预测模型的建立 | 第35-37页 |
| 3.1.1 烧结物料平衡预测模型 | 第35-36页 |
| 3.1.2 烧结硫平衡预测模型 | 第36-37页 |
| 3.2 报表信息 | 第37-40页 |
| 3.2.1 生产报表信息 | 第37-38页 |
| 3.2.2 脱硫报表信息 | 第38页 |
| 3.2.3 烧结报表部分数据举例说明 | 第38-40页 |
| 3.3 数据处理过程 | 第40-42页 |
| 3.3.1 MATLAB介绍 | 第40-41页 |
| 3.3.2 数据的提取 | 第41-42页 |
| 3.4 烧结数据分析 | 第42-54页 |
| 3.5 模型公式优化 | 第54-55页 |
| 3.6 本章小结 | 第55-57页 |
| 第四章 基于BP神经网络预测模型的建立 | 第57-66页 |
| 4.1 数据处理 | 第57-60页 |
| 4.1.1 数据滑动平均法处理 | 第57-58页 |
| 4.1.2 小波阈值去噪法处理 | 第58-60页 |
| 4.2 BP神经网络的理论基础 | 第60-61页 |
| 4.3 BP神经网络的建立与训练 | 第61-62页 |
| 4.4 模型预测讨论 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 SO_2排放模型管理系统 | 第66-76页 |
| 5.1 S元素在线预测功能 | 第67-68页 |
| 5.2 生产采购预测与预警功能 | 第68-69页 |
| 5.3 在线报警功能 | 第69-70页 |
| 5.4 评价功能 | 第70-71页 |
| 5.5 查询与报表功能 | 第71-73页 |
| 5.6 应用情况 | 第73-75页 |
| 5.7 本章小结 | 第75-76页 |
| 结论与展望 | 第76-78页 |
| 结论 | 第76-77页 |
| 展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 在校期间科研成果 | 第82-83页 |
| 附件 | 第83页 |
