| 第一章 文献综述 | 第1-16页 |
| 1．1 社会对钢质量的要求 | 第7页 |
| 1．2 钢中夹杂物对钢性能的影响 | 第7-8页 |
| 1．3 影响转炉冶炼终点钢水氧含量的因素 | 第8-9页 |
| 1．4 复吹转炉后吹搅拌 | 第9页 |
| 1．5 复吹转炉终点控制模型 | 第9-14页 |
| 1．5．1 转炉炼钢人工智能静态预报模型 | 第10-11页 |
| 1．5．2 转炉炼钢动态预报模型 | 第11-13页 |
| 1．5．3 转炉炼钢混合预报模型 | 第13-14页 |
| 1．6 论文研究的内容和意义 | 第14-16页 |
| 第二章 影响复吹转炉终点氧含量的因素分析 | 第16-30页 |
| 2．1 90吨复吹转炉现场试验条件及测试结果 | 第16-20页 |
| 2．1．1 90吨复吹转炉现场试验条件 | 第16-18页 |
| 2．1．2 90吨复吹转炉吹炼终点碳氧曲线测定 | 第18-19页 |
| 2．1．3 90吨复吹转炉终渣成分及氧化性 | 第19-20页 |
| 2．2 复吹转炉吹炼过程中铁碳选择性氧化分析 | 第20-25页 |
| 2．2．1 铁碳选择性氧化反应 | 第20-23页 |
| 2．2．2 各因素对铁碳选择性氧化的影响分析 | 第23-25页 |
| 2．3 90吨复吹转炉铁碳选择性氧化及炉渣氧化性与氧含量的关系分析 | 第25-27页 |
| 2．3．1 90吨复吹转炉铁碳选择性氧化分析 | 第25-26页 |
| 2．3．2 炉渣氧化性与钢中氧含量的关系 | 第26-27页 |
| 2．4 低碳钢吹炼终点氧含量及炉渣氧化铁含量的控制 | 第27-29页 |
| 2．4．1 吹炼终点各成分与氧含量的关系 | 第27-28页 |
| 2．4．2 低碳钢冶炼时终渣成分的控制 | 第28-29页 |
| 2．5 小结 | 第29-30页 |
| 第三章 复吹转炉后吹搅拌脱氧 | 第30-40页 |
| 3．1 复吹转炉后吹搅拌 | 第30-31页 |
| 3．2 后搅脱氧动力学 | 第31-32页 |
| 3．3 后搅脱氧数学模型 | 第32-37页 |
| 3．3．1 后搅脱氧模型的建立 | 第32-34页 |
| 3．3．2 影响后搅脱氧因素的理论分析 | 第34-37页 |
| 3．3．2．1 氩气流量对脱氧量的影响 | 第34-35页 |
| 3．3．2．2 初始氧含量对脱氧量的影响 | 第35-36页 |
| 3．3．2．3 钢水温度对脱氧量的影响 | 第36-37页 |
| 3．4 现场实验结果与模型计算值比较 | 第37-38页 |
| 3．5 影响后搅实际脱氧效率的因素分析 | 第38页 |
| 3．6 小结 | 第38-40页 |
| 第四章 基于MATLAB神经网络的转炉终点氧含量预报模型 | 第40-56页 |
| 4．1 转炉终点控制类型 | 第40-42页 |
| 4．1．1 静态模型 | 第40页 |
| 4．1．2 动态模型 | 第40-41页 |
| 4．1．3 全自动控制模型 | 第41-42页 |
| 4．2 神经网络预报模型 | 第42-45页 |
| 4．2．1 神经网络 | 第42-43页 |
| 4．2．2 BP神经网络 | 第43页 |
| 4．2．3 BP神经网络算法 | 第43-45页 |
| 4．3 基于MATLAB的BP神经网络终点氧含量预报模型 | 第45-52页 |
| 4．3．1 MATLAB软件简介 | 第45页 |
| 4．3．2 MATLAB中BP神经网络模型 | 第45页 |
| 4．3．3 基于MATLAB的BP神经网络钢水终点氧含量的预测 | 第45-52页 |
| 4．3．3．1 输入因子的选择 | 第45-46页 |
| 4．3．3．2 预测模型的建立 | 第46页 |
| 4．3．3．3 预测模型程序介绍 | 第46-48页 |
| 4．3．3．4 复吹转炉终点氧含量预报模型结果分析 | 第48-50页 |
| 4．3．3．5 模型离线预报结果分析 | 第50-52页 |
| 4．4 复吹转炉终点氧含量预报模型软件开发 | 第52-54页 |
| 4．4．1 软件功能介绍 | 第52页 |
| 4．4．2 程序结构图 | 第52页 |
| 4．4．3 图形用户界面 | 第52-54页 |
| 4．5 小结 | 第54-56页 |
| 第五章 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-62页 |
| 致谢 | 第62页 |
