| 中文摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·电渣重熔技术概述 | 第11-14页 |
| ·电渣重熔技术的原理 | 第11-12页 |
| ·电渣重熔过程的特点 | 第12-13页 |
| ·电渣重熔技术的发展现状 | 第13-14页 |
| ·电渣炉生产工艺及设备概述 | 第14-17页 |
| ·电渣炉炼钢生产工艺 | 第15-16页 |
| ·电渣炉炼钢生产设备 | 第16-17页 |
| ·本课题的研究背景和内容 | 第17-19页 |
| 第2章 电极传动系统的设计方案研究 | 第19-31页 |
| ·电渣炉电极传动机构的控制要求 | 第19-20页 |
| ·电极传动方式简介 | 第20页 |
| ·滚珠丝杠双电机减速箱传动系统 | 第20-24页 |
| ·传动系统结构 | 第20-22页 |
| ·传动系统负载特性分析 | 第22-23页 |
| ·负载转矩和负载转动惯量数学模型 | 第23-24页 |
| ·基于变负载电极传动系统方案设计 | 第24-30页 |
| ·配重可变的节能液压传动系统 | 第24-27页 |
| ·滚珠丝杠双电机减速箱智能传动系统 | 第27-30页 |
| ·本章小节 | 第30-31页 |
| 第3章 电极传动神经网络PID控制方法研究 | 第31-53页 |
| ·PID控制方式概述 | 第31-34页 |
| ·经典PID原理介绍 | 第31-32页 |
| ·数字PID控制算法 | 第32-34页 |
| ·PID控制的特点以及局限性 | 第34页 |
| ·人工神经网络概述 | 第34-38页 |
| ·神经网络原理 | 第34-37页 |
| ·神经网络控制 | 第37-38页 |
| ·径向基函数(RBF)神经网络 | 第38-42页 |
| ·RBF神经网络结构 | 第38-40页 |
| ·RBF神经网络学习规则 | 第40-42页 |
| ·基于RBF神经网络PID的电极传动智能控制系统设计 | 第42-52页 |
| ·电极传动RBF神经网络控制器(NNC)算法设计 | 第42-45页 |
| ·电极传动RBF神经网络辨识器(NNI)算法设计 | 第45-46页 |
| ·电极传动RBF神经网络学习算法的改进算法 | 第46页 |
| ·电极传动RBF神经网络PID的算法流程 | 第46-48页 |
| ·电极传动RBF神经网络PID的控制系统仿真 | 第48-52页 |
| ·本章小节 | 第52-53页 |
| 第4章 电渣炉自动控制系统设计 | 第53-69页 |
| ·电渣炉计算机控制系统的组成 | 第53-59页 |
| ·电渣炉控制系统的总体配置方案 | 第53-54页 |
| ·上位机管理控制级冗余配置方案 | 第54-55页 |
| ·PLC过程控制级冗余配置方案 | 第55-58页 |
| ·电渣炉控制系统冗余网络结构 | 第58-59页 |
| ·电渣炉控制系统下位机的程序设计 | 第59-62页 |
| ·STEP7编程软件介绍 | 第59-60页 |
| ·电渣炉PLC编程思路 | 第60页 |
| ·电渣炉PLC模块化程序设计 | 第60-62页 |
| ·电渣炉控制系统上位机的设计 | 第62-68页 |
| ·WinCC软件简介 | 第62页 |
| ·基于WinCC的双机冗余系统介绍 | 第62-63页 |
| ·基于WinCC的系统监视软件界面设计 | 第63-66页 |
| ·基于OPC技术的电能表通讯功能设计 | 第66-68页 |
| ·本章小节 | 第68-69页 |
| 第5章 结束语 | 第69-71页 |
| ·工作总结 | 第69页 |
| ·存在问题和下一步工作 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 攻读硕士期间所参与的项目 | 第77页 |