| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 精炼炉炼钢的发展 | 第10-11页 |
| 1.2 精炼炉炼钢的工艺与设备 | 第11-15页 |
| 1.2.1 精炼炉炼钢工艺 | 第11-12页 |
| 1.2.2 精炼炉炼钢设备 | 第12-15页 |
| 1.3 电弧电流及电压检测发展现状 | 第15-17页 |
| 1.4 本文主要工作 | 第17-18页 |
| 第2章 精炼炉电气模型的建立 | 第18-34页 |
| 2.1 供电系统模型 | 第18-20页 |
| 2.2 电弧模型 | 第20-25页 |
| 2.2.1 电弧的物理特性 | 第20-22页 |
| 2.2.2 电弧模型推导 | 第22-24页 |
| 2.2.3 电弧模型参数确定 | 第24-25页 |
| 2.3 仿真模型 | 第25-29页 |
| 2.4 模型输入变量的核主成分分析 | 第29-32页 |
| 2.4.1 核主成分分析基本介绍 | 第29-30页 |
| 2.4.2 核主成分分析的基本原理 | 第30-31页 |
| 2.4.3 核主成分分析的计算步骤 | 第31-32页 |
| 2.4.4 计算结果 | 第32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于神经网络的弧流、弧压软测量模型 | 第34-50页 |
| 3.1 人工神经网络概述 | 第34-35页 |
| 3.2 基于BP神经网络的弧流、弧压测量模型 | 第35-48页 |
| 3.2.1 BP神经网络概述 | 第35-36页 |
| 3.2.2 BP神经网络学习算法 | 第36-38页 |
| 3.2.3 BP神经网络的改进方法 | 第38-39页 |
| 3.2.4 模型参数确定 | 第39-41页 |
| 3.2.5 仿真结果分析 | 第41-48页 |
| 3.3 本章小结 | 第48-50页 |
| 第4章 基于遗传算法的BP神经网络弧流、弧压软测量模型 | 第50-62页 |
| 4.1 遗传算法基本概念 | 第50-51页 |
| 4.1.1 遗传算法的主要特点 | 第50-51页 |
| 4.1.2 遗传算法的计算步骤 | 第51页 |
| 4.2 遗传算法与BP神经网络结合的可行性 | 第51-52页 |
| 4.3 基于遗传算法的BP神经网络弧流、弧压测量模型 | 第52-54页 |
| 4.4 实验结果分析 | 第54-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 结束语 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |