| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-17页 |
| ·课题背景及研究意义 | 第10页 |
| ·连铸工艺简介 | 第10-11页 |
| ·常见的铸坯质量缺陷及弯月面对铸坯质量的影响 | 第11-15页 |
| ·国内外漏钢事故检测方式及发展趋势 | 第15-16页 |
| ·本论文主要内容 | 第16-17页 |
| 2 液压振动下漏钢现象在线检测方法 | 第17-22页 |
| ·结晶器液压振动系统简介 | 第17-18页 |
| ·结晶器摩擦力用于漏钢判断的可行性 | 第18页 |
| ·热电偶温度预报方法 | 第18-19页 |
| ·用于识别漏钢现象的连铸过程变量选取 | 第19-20页 |
| ·漏钢现象在线识别方法 | 第20-21页 |
| ·本章小节 | 第21-22页 |
| 3 结晶器摩擦力在线检测方法 | 第22-34页 |
| ·结晶器摩擦力数学模型的建立 | 第22-25页 |
| ·结晶器运动受力分析 | 第22-23页 |
| ·液压缸消耗功率 | 第23页 |
| ·液压缸消耗的功率和结晶器摩擦力之间的关系 | 第23-25页 |
| ·结晶器摩擦力异常数据分析 | 第25-28页 |
| ·工艺条件变动对结晶器摩擦力的影响 | 第25-26页 |
| ·异常情况对结晶器摩擦力的影响 | 第26-28页 |
| ·结晶器摩擦力异常特征提取方法 | 第28-31页 |
| ·突变和连续尖脉冲信号的提取方法 | 第29页 |
| ·斜坡信号提取方法 | 第29-31页 |
| ·工艺条件变动对结晶器摩擦力判断漏钢现象的影响 | 第31页 |
| ·结晶器摩擦力异常特征提取方法验证 | 第31-34页 |
| ·本章小结 | 第34页 |
| 4 基于人工神经网络的预报模型 | 第34-57页 |
| ·预报模型的组成 | 第35-36页 |
| ·BP 神经网络在漏钢预报中的应用 | 第36-48页 |
| ·BP 神经网络简介 | 第36-39页 |
| ·单偶温度模式识别 | 第39-45页 |
| ·热电偶组判断模型 | 第45-48页 |
| ·动态模糊神经网络在漏钢预报中的应用 | 第48-56页 |
| ·动态模糊神经网络简介 | 第48-49页 |
| ·网络模型的建立 | 第49-53页 |
| ·网络测试 | 第53-55页 |
| ·讨论 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 基于虚拟仪器技术的漏钢预报系统开发 | 第57-68页 |
| ·虚拟仪器技术简介 | 第57-58页 |
| ·虚拟仪器技术的组成 | 第57-58页 |
| ·图形化编程语言LabVIEW | 第58页 |
| ·漏钢预报系统开发 | 第58-64页 |
| ·硬件平台搭建 | 第58-61页 |
| ·LabVIEW 开发环境和MATLAB 软件通信 | 第61-62页 |
| ·系统功能 | 第62-63页 |
| ·系统界面 | 第63-64页 |
| ·漏钢预报系统仿真实例 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A 模糊神经网络算法程序代码 | 第74-82页 |
| 附录B 结晶器摩擦力数据(部分) | 第82-84页 |
| 在学研究成果 | 第84-85页 |
| 致谢 | 第85页 |