| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究铁水脱硫预报模型的意义 | 第10页 |
| 1.2 铁水脱硫工艺简介 | 第10-13页 |
| 1.2.1 铁水脱硫主要方法 | 第10-13页 |
| 1.2.2 铁水脱硫工艺控制技术 | 第13页 |
| 1.3 铁水脱硫预报模型的发展概况 | 第13-16页 |
| 1.3.1 机理模型 | 第14-15页 |
| 1.3.2 统计模型 | 第15-16页 |
| 1.3.3 智能模型 | 第16页 |
| 1.4 本文工作 | 第16-20页 |
| 第2章 铁水脱硫工艺过程分析 | 第20-30页 |
| 2.1 脱硫工艺的主要设备及流程 | 第20-21页 |
| 2.2 铁水脱硫化学反应原理 | 第21-24页 |
| 2.3 影响脱硫效果的因素 | 第24-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于RBF神经网络的铁水脱硫预报模型的建立 | 第30-48页 |
| 3.1 神经网络结构的选取 | 第30-36页 |
| 3.1.1 RBF人工神经网络简介 | 第30-31页 |
| 3.1.2 RBF网络和BP网络的比较 | 第31-32页 |
| 3.1.3 RBF神经网络算法原理 | 第32-36页 |
| 3.2 学习算法的确定 | 第36-42页 |
| 3.2.1 正交最小二乘法(OLS) | 第36-38页 |
| 3.2.2 递归正交最小二乘法(ROLS) | 第38-39页 |
| 3.2.3 网络中心的选择 | 第39-42页 |
| 3.3 脱硫剂加入量预报模型算法实现 | 第42-44页 |
| 3.4 脱硫剂加入量预报模型的总体结构 | 第44-45页 |
| 3.5 本章小结 | 第45-48页 |
| 第4章 铁水脱硫预报模型的应用 | 第48-64页 |
| 4.1 铁水脱硫预报模型系统的实现 | 第48-54页 |
| 4.1.1 硬软件环境 | 第48-49页 |
| 4.1.2 系统程序结构 | 第49-50页 |
| 4.1.3 通讯接口 | 第50-54页 |
| 4.2 训练样本的选取 | 第54-58页 |
| 4.2.1 样本数据处理流程 | 第54-56页 |
| 4.2.2 数据预处理方法 | 第56-58页 |
| 4.3 人机界面 | 第58-60页 |
| 4.4 运行结果 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 结束语 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68-69页 |
| 攻硕期间参加的项目 | 第69页 |