| 中文摘要 | 第1-4页 |
| 中文关键词 | 第4-5页 |
| 英文摘要 | 第5-6页 |
| 英文关键词 | 第6-7页 |
| 前言 | 第7-12页 |
| 1 文献综述 | 第12-31页 |
| 1．1 烧结过程的特点及控制现状 | 第12-20页 |
| 1．1．1 烧结过程的现状及面临的挑战 | 第12-14页 |
| 1．1．2 烧结过程数模的研究现状 | 第14-15页 |
| 1．1．3 烧结计算机控制的发展概况和现状 | 第15-17页 |
| 1．1．4 国内烧结过程检测和控制系统的发展概况和现状 | 第17-18页 |
| 1．1．5 国内烧结过程检测和控制存在问题及对策 | 第18-20页 |
| 1．2 人工智能技术研究现状 | 第20-25页 |
| 1．2．1 人工智能技术概述 | 第20-23页 |
| 1．2．2 人工智能技术在钢铁工业中的应用 | 第23-25页 |
| 1．3 人工智能技术在烧结过程控制中的研究与应用现状 | 第25-29页 |
| 1．3．1 国外研究与应用的现状 | 第25-27页 |
| 1．3．2 国内研究与应用的现状 | 第27页 |
| 1．3．3 我国烧结过程控制中应用人工智能技术存在的问题 | 第27-28页 |
| 1．3．4 烧结人工智能系统的效益及在我国的应用前景 | 第28-29页 |
| 1．4 论文研究的主要内容 | 第29-30页 |
| 1．4．1 选题目的和意义 | 第29页 |
| 1．4．2 主要的研究内容 | 第29-30页 |
| 1．5 本章小结 | 第30-31页 |
| 2 烧结过程智能实时操作指导系统总体规划 | 第31-43页 |
| 2．1 烧结过程控制的特点 | 第31-32页 |
| 2．2 烧结智能实时操作指导系统的总体规划 | 第32-36页 |
| 2．3 烧结过程在线信息的实时采集与预处理 | 第36-42页 |
| 2．3．1 烧结过程智能操作指导系统的在线实时要求 | 第36-37页 |
| 2．3．2 烧结过程的信息分类 | 第37-38页 |
| 2．3．3 烧结过程信息采集 | 第38-41页 |
| 2．3．4 数据的预处理 | 第41-42页 |
| 2．4 本章小结 | 第42-43页 |
| 3 烧结过程的工况识别 | 第43-53页 |
| 3．1 数学模型与知识模型结合的烧结过程工况识别策略 | 第43-44页 |
| 3．2 烧结过程工况识别模型的建立 | 第44-50页 |
| 3．3 烧结过程工况的专家综合评判 | 第50-52页 |
| 3．4 本章小结 | 第52-53页 |
| 4 烧结终点控制的研究 | 第53-73页 |
| 4．1 引言 | 第53-54页 |
| 4．2 烧结终点在线判断的研究 | 第54-55页 |
| 4．2．1 烧结终点的判断 | 第54-55页 |
| 4．2．2 终点判断值的修正 | 第55页 |
| 4．3 烧结终点的预报 | 第55-64页 |
| 4．3．1 预报参数的确定 | 第55-56页 |
| 4．3．2 基于时间序列模型的烧结终点预报 | 第56-59页 |
| 4．3．3 基于人工神经网络的烧结终点预报 | 第59-64页 |
| 4．4 烧结终点的模糊控制 | 第64-72页 |
| 4．4．1 烧结终点的控制原则 | 第64-65页 |
| 4．4．2 烧结终点控制的模糊特性 | 第65页 |
| 4．4．3 烧结终点模糊控制器设计 | 第65-71页 |
| 4．4．4 烧结终点模糊控制规则的在线优化 | 第71-72页 |
| 4．5 本章小结 | 第72-73页 |
| 5 烧结生产过程异常状况的诊断 | 第73-91页 |
| 5．1 烧结过程异常诊断的问题描述 | 第73-74页 |
| 5．2 烧结生产过程异常状况诊断的知识获取 | 第74-77页 |
| 5．3 烧结过程异常状况的模糊诊断策略 | 第77-78页 |
| 5．4 烧结生产过程异常状况诊断专家系统的构造 | 第78-89页 |
| 5．4．1 构造专家系统知识库 | 第78-84页 |
| 5．4．2 选择专家系统推理机制 | 第84-88页 |
| 5．4．3 专家系统的自学习 | 第88-89页 |
| 5．5 系统验证结果 | 第89页 |
| 5．6 本章小结 | 第89-91页 |
| 6 系统的实现与应用 | 第91-107页 |
| 6．1 系统的开发过程 | 第91-92页 |
| 6．1．1 智能系统程序与传统应用程序的不同 | 第91页 |
| 6．1．2 系统的开发过程 | 第91-92页 |
| 6．2 基于面向对象的程序设计方法 | 第92-93页 |
| 6．3 用VC++开发烧结过程智能实时操作指导系统的适宜性 | 第93-94页 |
| 6．4 用VC++实现人工神经网络技术 | 第94-96页 |
| 6．5 用VC++实现专家系统 | 第96-100页 |
| 6．5．1 用VC++实现知识库 | 第96-99页 |
| 6．5．2 用VC++实现推理机 | 第99-100页 |
| 6．6 烧结过程智能实时操作指导系统集成 | 第100-102页 |
| 6．7 现场应用示例 | 第102-106页 |
| 6．8 本章小结 | 第106-107页 |
| 7 结论与展望 | 第107-109页 |
| 7．1 结论 | 第107-108页 |
| 7．2 今后研究展望 | 第108-109页 |
| 参考文献 | 第109-116页 |
| 用户使用报告 | 第116-117页 |
| 攻读博士期间发表的论文 | 第117-118页 |
| 致谢 | 第118页 |
