| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 高炉工作过程的特点 | 第11-12页 |
| 1.2 炉缸内衬的侵蚀机理 | 第12页 |
| 1.3 研究炉衬侵蚀的意义 | 第12-13页 |
| 1.4 炉缸炉底内衬侵蚀监测技术现状 | 第13-15页 |
| 1.5 神经网络在高炉上的应用情况 | 第15-16页 |
| 1.6 本课题的研究内容 | 第16-18页 |
| 第2章 传热学在炉缸内衬侵蚀分析中的应用 | 第18-23页 |
| 2.1 概述 | 第18页 |
| 2.2 热分析基础知识 | 第18-20页 |
| 2.2.1 传热学经典理论 | 第18-19页 |
| 2.2.2 热传递方式 | 第19-20页 |
| 2.3 炉缸内衬侵蚀分析的正解与反解 | 第20页 |
| 2.3.1 炉缸内衬侵蚀分析的正解 | 第20页 |
| 2.3.2 炉缸内衬侵蚀分析的反解 | 第20页 |
| 2.4 高炉炉缸传热学基本方程 | 第20-21页 |
| 2.5 高炉内衬侵蚀状态分析 | 第21-22页 |
| 2.6 炉缸内衬的侵蚀判据 | 第22-23页 |
| 第3章 炉缸内衬侵蚀温度场的有限元计算 | 第23-31页 |
| 3.1 概述 | 第23页 |
| 3.2 有限元法原理 | 第23-24页 |
| 3.3 温度场有限元法 | 第24页 |
| 3.4 炉缸二维传热的有限元法 | 第24-26页 |
| 3.5 ANSYS有限元分析 | 第26-27页 |
| 3.5.1 ANSYS有限元分析步骤 | 第26-27页 |
| 3.5.2 APDL理论 | 第27页 |
| 3.6 炉缸炉底内衬温度场有限元求解 | 第27-31页 |
| 3.6.1 炉缸炉底模型的简化处理 | 第27页 |
| 3.6.2 炉缸内衬温度场有限元求解的APDL参数化设计 | 第27-28页 |
| 3.6.3 炉缸炉底内衬侵蚀温度场的有限元求解结果 | 第28-31页 |
| 第4章 BP神经网络设计及传热反问题求解 | 第31-44页 |
| 4.1 人工神经网络概述 | 第31-35页 |
| 4.1.1 人工神经网络的发展历程 | 第31-33页 |
| 4.1.2 神经网络的学习方式 | 第33-35页 |
| 4.2 神经网络的特点及优点 | 第35页 |
| 4.3 MATLAB神经网络工具箱 | 第35-36页 |
| 4.4 BP神经网络及其学习算法 | 第36-38页 |
| 4.5 BP神经单元模型 | 第38-39页 |
| 4.6 BP神经网络的设计 | 第39-41页 |
| 4.6.1 BP神经网络的设计原则 | 第39-40页 |
| 4.6.2 BP神经网络结构参数设计 | 第40-41页 |
| 4.7 BP神经网络与函数逼近 | 第41-42页 |
| 4.8 神经网络求解反问题的可行性 | 第42页 |
| 4.9 传热反问题 | 第42-43页 |
| 4.10 基于神经网络的传热反问题研究 | 第43-44页 |
| 第5章 BP神经网络识别炉缸横截面及侧壁纵截面的内衬侵蚀 | 第44-55页 |
| 5.1 炉缸横截面局部侵蚀形貌数据库的建立 | 第44-49页 |
| 5.1.1 炉缸横截面局部侵蚀模型的建立 | 第44页 |
| 5.1.2 炉缸横截面侵蚀样本的建立 | 第44-45页 |
| 5.1.3 BP神经网络的设计及对炉缸横剖面侵蚀样本的训练 | 第45-47页 |
| 5.1.4 炉缸横截面侵蚀形貌仿真 | 第47-49页 |
| 5.2 炉缸侧壁纵截面侵蚀形貌数据库的建立 | 第49-55页 |
| 5.2.1 炉缸侧壁纵截面模型的建立 | 第49-50页 |
| 5.2.2 炉缸侧壁纵截面侵蚀样本的建立 | 第50页 |
| 5.2.3 BP神经网络的设计及对炉缸侧壁纵剖面侵蚀样本的训练 | 第50-53页 |
| 5.2.4 炉缸侧壁纵截面内衬侵蚀仿真 | 第53-55页 |
| 第6章 BP神经网络识别炉缸炉底子午面的内衬侵蚀 | 第55-67页 |
| 6.1 炉缸炉底子午面侵蚀形貌数据库的建立 | 第55-60页 |
| 6.1.1 炉缸炉底子午面侵蚀模型的建立 | 第55页 |
| 6.1.2 炉缸炉底子午面侵蚀样本的建立 | 第55-56页 |
| 6.1.3 BP神经网络的设计及对炉缸炉底子午面侵蚀样本的训练 | 第56-59页 |
| 6.1.4 炉缸炉底子午面侵蚀仿真 | 第59-60页 |
| 6.2 BP神经网络识别某高炉炉缸内衬侵蚀 | 第60-67页 |
| 6.2.1 炉缸模型的简化 | 第60-61页 |
| 6.2.2 炉缸内衬侵蚀样本的建立 | 第61-62页 |
| 6.2.3 BP神经网络的设计及训练 | 第62-65页 |
| 6.2.4 BP神经网络仿真炉缸内衬侵蚀边界 | 第65-67页 |
| 第7章 结论与展望 | 第67-69页 |
| 7.1 结论 | 第67页 |
| 7.2 展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 附录1 | 第73-82页 |
| 附录2 | 第82-91页 |
| 附录3 | 第91-100页 |
| 附录4 | 第100-104页 |
| 附录5 | 第104-105页 |
| 附录6 | 第105-108页 |
| 附录7 | 第108-109页 |
| 附录8 | 第109-111页 |
