基于炉热指数和RBF的高炉热状态预测系统
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·课题来源 | 第7页 |
| ·高炉过程的特点 | 第7页 |
| ·高炉热状态预测的现状及意义 | 第7-8页 |
| ·高炉热状态预测的技术难度和技术价值 | 第8-10页 |
| ·技术价值 | 第8-9页 |
| ·技术难度 | 第9-10页 |
| ·论文的研究内容及目标 | 第10-12页 |
| 2 高炉热状态预报的研究 | 第12-14页 |
| ·热状态预报研究的主要内容 | 第12页 |
| ·高炉铁水含硅量预报 | 第12-14页 |
| ·高炉铁水含硅量预报方法的研究 | 第12-13页 |
| ·神经网络方法在高炉铁水含硅量预报中的应用 | 第13-14页 |
| 3 神经网络理论基础 | 第14-22页 |
| ·神经网络概述 | 第14-15页 |
| ·神经网络的基本原理 | 第15页 |
| ·人工神经网络的构成 | 第15-16页 |
| ·RBF 网络简介 | 第16-18页 |
| ·RBF 基函数 | 第16-17页 |
| ·RBF 神经网络结构 | 第17页 |
| ·RBF 神经网络的映射 | 第17-18页 |
| ·RBF 的学习算法 | 第18-22页 |
| ·隐含层单元数的选择 | 第18-19页 |
| ·中心的选择 | 第19-20页 |
| ·RBF 的在线学习算法 | 第20-22页 |
| 4 高炉物料平衡，热平衡以及炉热指数的计算 | 第22-42页 |
| ·计算使用的冶炼参数说明 | 第22-23页 |
| ·计算思路, 条件及规定 | 第22页 |
| ·冶炼参数说明 | 第22-23页 |
| ·物料平衡的计算 | 第23-27页 |
| ·热平衡的计算 | 第27-39页 |
| ·第一总热平衡计算法 | 第27-33页 |
| ·第二总热平衡法 | 第33-36页 |
| ·高温区域热平衡 | 第36-39页 |
| ·炉热指数的计算 | 第39-42页 |
| 5 高炉热状态的主要影响因素 | 第42-49页 |
| ·状态参数 | 第42-46页 |
| ·料速 | 第42-44页 |
| ·透气性指数 | 第44-45页 |
| ·铁量差 | 第45-46页 |
| ·控制参数 | 第46-49页 |
| ·风温 | 第46-47页 |
| ·风量 | 第47-48页 |
| ·喷煤 | 第48-49页 |
| 6 高炉热状态预测模型的建立 | 第49-61页 |
| ·基于炉热指数的高炉热状态静态预报 | 第50-53页 |
| ·静态机理预报模型的构成 | 第50-51页 |
| ·静态机理预报的仿真与分析 | 第51-53页 |
| ·神经网络输入参数分析 | 第53-57页 |
| ·神经网络建模参数的确定 | 第53-54页 |
| ·输入参数与炉热状态的时序关系 | 第54-55页 |
| ·数据的选择与规范化 | 第55-57页 |
| ·基于RBF 结构的高炉热状态预测模型 | 第57-61页 |
| ·模型的建立 | 第57页 |
| ·判断条件的确立 | 第57页 |
| ·神经网络结构 | 第57-59页 |
| ·仿真结果与分析 | 第59-61页 |
| 7 结论与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第66页 |
