高炉炉况智能诊断与预报方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·主要研究内容及论文构成 | 第14-16页 |
| 第二章 高炉生产工艺与炉内影响因素分析 | 第16-26页 |
| ·高炉冶炼工艺 | 第16-18页 |
| ·高炉炉况影响因素分析 | 第18-21页 |
| ·高炉操作措施的时滞性 | 第18页 |
| ·高炉料柱的透气性 | 第18-19页 |
| ·高炉炉料的下降 | 第19-20页 |
| ·高炉炉缸热状态 | 第20-21页 |
| ·高炉炉况诊断与预报的内容 | 第21-22页 |
| ·高炉异常炉况关联因素分析 | 第22-25页 |
| ·塌料 | 第22-23页 |
| ·悬料 | 第23页 |
| ·炉热 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于支持向量机的双层结构高炉炉况诊断方法 | 第26-53页 |
| ·双层结构炉况诊断模型 | 第26-27页 |
| ·SVM炉况分类 | 第27-34页 |
| ·炉况支持向量机分类结构 | 第29-30页 |
| ·最小二乘支持向量机 | 第30-32页 |
| ·遗传算法参数寻优 | 第32-34页 |
| ·神经网络炉况诊断 | 第34-40页 |
| ·炉况诊断神经网络结构 | 第35-37页 |
| ·神经网络算法 | 第37-38页 |
| ·神经网络训练数据 | 第38-40页 |
| ·双层结构高炉炉况诊断系统 | 第40-41页 |
| ·炉况诊断方法验证 | 第41-52页 |
| ·系统输入参数的确定 | 第41-42页 |
| ·数据预处理 | 第42-45页 |
| ·炉况支持向量机分类器仿真 | 第45-48页 |
| ·BP神经网络炉况诊断仿真 | 第48-52页 |
| ·小结 | 第52-53页 |
| 第四章 基于诊断判决的炉况预报方法 | 第53-66页 |
| ·高炉炉况预报的技术难点与解决办法 | 第53-57页 |
| ·炉况预报模型结构 | 第57页 |
| ·炉况预报神经网络 | 第57-60页 |
| ·正常炉况预报神经网络 | 第57-59页 |
| ·塌料预报神经网络 | 第59页 |
| ·悬料预报神经网络 | 第59-60页 |
| ·炉热预报神经网络 | 第60页 |
| ·炉况趋势专家判断模块 | 第60-62页 |
| ·高炉炉况预报仿真 | 第62-65页 |
| ·小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| ·结论 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间主要的研究成果 | 第73页 |
