| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 2 LF精炼脱硫工艺及原理 | 第12-22页 |
| 2.1 LF炉简介 | 第12-15页 |
| 2.1.1 吹氩搅拌系统 | 第13页 |
| 2.1.2 钢包移送系统 | 第13-14页 |
| 2.1.3 电极加热系统 | 第14页 |
| 2.1.4 合金加料系统 | 第14页 |
| 2.1.5 测温取样系统 | 第14页 |
| 2.1.6 喂线系统 | 第14-15页 |
| 2.2 LF精炼工艺描述 | 第15-16页 |
| 2.3 LF精炼脱硫方法 | 第16页 |
| 2.4 LF精炼脱硫原理 | 第16-21页 |
| 2.4.1 脱硫反应热力学和动力学 | 第17页 |
| 2.4.2 精炼渣的选择 | 第17-18页 |
| 2.4.3 影响脱硫效果的因素 | 第18-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 脱硫模型 | 第22-28页 |
| 3.1 脱硫前提条件 | 第22页 |
| 3.2 LF精炼脱硫机理模型建立 | 第22页 |
| 3.3 模型参数的确定 | 第22-25页 |
| 3.3.1 渣-钢间硫的分配比模型 | 第23页 |
| 3.3.2 硫容量模型 | 第23页 |
| 3.3.3 硫的活度系数 | 第23-24页 |
| 3.3.4 光学碱度 | 第24页 |
| 3.3.5 氧活度 | 第24-25页 |
| 3.4 脱硫模型功能界面 | 第25-28页 |
| 4 硫含量机理预报模型 | 第28-32页 |
| 4.1 机理模型的仿真 | 第28-30页 |
| 4.2 本章小结 | 第30-32页 |
| 5 基于神经网络的硫含量预报模型 | 第32-60页 |
| 5.1 人工神经网络介绍 | 第32-39页 |
| 5.1.1 人工神经网络的种类 | 第32-33页 |
| 5.1.2 人工神经网络的特点和优越性 | 第33页 |
| 5.1.3 BP神经网络介绍 | 第33-35页 |
| 5.1.4 RBF神经网络介绍 | 第35-39页 |
| 5.1.5 RBF网络和BP网络的区别 | 第39页 |
| 5.2 基于BP神经网络的硫含量预报模型 | 第39-47页 |
| 5.2.1 BP神经网络模型的建立 | 第39-41页 |
| 5.2.2 BP神经网络预报模型的仿真实现 | 第41-45页 |
| 5.2.3 结果分析 | 第45页 |
| 5.2.4 基于PSO算法改进的BP神经网络的硫含量预报模型 | 第45-47页 |
| 5.3 基于RBF神经网络的硫含量预报模型 | 第47-51页 |
| 5.3.1 RBF神经网络模型的建立 | 第47页 |
| 5.3.2 RBF神经网络预报模型的仿真与实现 | 第47-51页 |
| 5.3.3 结果分析 | 第51页 |
| 5.4 硫含量预报混合模型 | 第51-55页 |
| 5.4.1 混合模型的建立 | 第51-53页 |
| 5.4.2 混合模型的仿真实现 | 第53-55页 |
| 5.4.3 结果分析 | 第55页 |
| 5.5 本章小结 | 第55-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-66页 |