面向生产指标的高炉料面优化研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 引言 | 第14-18页 |
| 1.1 课题来源 | 第14页 |
| 1.2 课题研究背景及意义 | 第14-15页 |
| 1.3 论文的研究工作 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 2 文献综述 | 第18-32页 |
| 2.1 高炉料面分布模型研究现状 | 第18-23页 |
| 2.1.1 料面形状描述 | 第18-21页 |
| 2.1.2 高炉期望料面形状 | 第21-23页 |
| 2.2 高炉生产指标智能建模技术研究现状 | 第23-24页 |
| 2.3 高炉优化决策方面研究现状 | 第24-26页 |
| 2.3.1 高炉专家系统应用 | 第24页 |
| 2.3.2 高炉冶炼优化问题研究 | 第24-26页 |
| 2.4 多目标优化问题 | 第26-30页 |
| 2.4.1 多目标优化问题概述 | 第27-28页 |
| 2.4.2 多目标优化问题求解 | 第28-30页 |
| 2.5 研究现状分析 | 第30-32页 |
| 3 高炉生产指标体系的建立与优化框架 | 第32-46页 |
| 3.1 高炉炼铁过程简介 | 第32-35页 |
| 3.1.1 高炉炼铁工艺流程 | 第32-34页 |
| 3.1.2 高炉生产操作制度 | 第34-35页 |
| 3.2 高炉生产指标优化的意义 | 第35页 |
| 3.3 高炉生产指标体系的建立 | 第35-42页 |
| 3.3.1 指标体系的建立过程 | 第36页 |
| 3.3.2 构建指标体系的基本原则 | 第36-37页 |
| 3.3.3 高炉生产指标体系设计 | 第37-41页 |
| 3.3.4 指标多尺度特征定义 | 第41-42页 |
| 3.4 面向生产指标的料面优化框架 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 高炉生产指标模型的建立 | 第46-72页 |
| 4.1 超限学习机理论 | 第46-50页 |
| 4.2 改进的超限学习机算法 | 第50-64页 |
| 4.2.1 GR-ELM算法 | 第51-54页 |
| 4.2.2 DU-OS-ELM算法 | 第54-61页 |
| 4.2.3 ME-ELM算法 | 第61-64页 |
| 4.3 仿真实验及结果分析 | 第64-71页 |
| 4.3.1 影响因素分析 | 第64-65页 |
| 4.3.2 实验结果与相关分析 | 第65-71页 |
| 4.4 本章小结 | 第71-72页 |
| 5 面向指标的高炉料面多目标优化研究 | 第72-93页 |
| 5.1 料面初值优化框架 | 第72-74页 |
| 5.2 料面初值优化问题的数学描述 | 第74-79页 |
| 5.2.1 目标函数的确定 | 第74-75页 |
| 5.2.2 约束条件的建立 | 第75-76页 |
| 5.2.3 决策变量的确定 | 第76-78页 |
| 5.2.4 多目标优化问题描述 | 第78-79页 |
| 5.3 问题特征分析 | 第79-80页 |
| 5.4 多目标优化决策 | 第80-89页 |
| 5.4.1 NSGA-Ⅱ算法 | 第80-83页 |
| 5.4.2 MOPSO算法 | 第83-86页 |
| 5.4.3 TOPSIS算法 | 第86-87页 |
| 5.4.4 集成的多目标优化框架 | 第87-89页 |
| 5.5 仿真验证与结果分析 | 第89-92页 |
| 5.6 本章小结 | 第92-93页 |
| 6 基于关联规则挖掘的料面特征反馈补偿 | 第93-108页 |
| 6.1 反馈补偿策略 | 第93-95页 |
| 6.2 关联规则挖掘基本概念及经典算法 | 第95-98页 |
| 6.2.1 关联规则挖掘的基本概念 | 第95-97页 |
| 6.2.2 关联规则挖掘的经典算法 | 第97-98页 |
| 6.3 改进的Apriori算法 | 第98-101页 |
| 6.4 高炉生产数据的关联规则分析过程 | 第101-102页 |
| 6.5 实验验证 | 第102-107页 |
| 6.5.1 修正料面特征的选择 | 第102-103页 |
| 6.5.2 修正关联规则挖掘 | 第103-104页 |
| 6.5.3 仿真结果与分析 | 第104-107页 |
| 6.6 本章小结 | 第107-108页 |
| 7 结论 | 第108-110页 |
| 7.1 本文总结 | 第108-109页 |
| 7.2 未来研究展望 | 第109-110页 |
| 参考文献 | 第110-121页 |
| 作者简历及在学研究成果 | 第121-125页 |
| 学位论文数据集 | 第125页 |
