精炼炉终点预报模型的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 LF简介 | 第10-12页 |
| 1.2 课题的背景与意义 | 第12-14页 |
| 1.2.1 课题背景 | 第12-13页 |
| 1.2.2 LF钢水温度预报的研究意义 | 第13页 |
| 1.2.3 LF钢水硫含量预报的研究意义 | 第13-14页 |
| 1.3 课题的研究现状 | 第14-20页 |
| 1.3.1 LF钢水温度预报研究现状 | 第14-18页 |
| 1.3.2 LF钢水硫含量预报研究现状 | 第18-20页 |
| 1.4 本研究的主要工作 | 第20-24页 |
| 1.4.1 目前研究存在问题 | 第20-22页 |
| 1.4.2 本文主要工作 | 第22-24页 |
| 第2章 LF钢水温度预报模型 | 第24-50页 |
| 2.1 LF钢水温度预报机理建模 | 第24-33页 |
| 2.1.1 热平衡分析 | 第24页 |
| 2.1.2 电弧加热 | 第24-25页 |
| 2.1.3 渣面散热 | 第25页 |
| 2.1.4 吹氩带走热量 | 第25-26页 |
| 2.1.5 包衬散热 | 第26-29页 |
| 2.1.6 合金、渣料影响 | 第29-30页 |
| 2.1.7 温度预报机理模型的仿真与分析 | 第30-33页 |
| 2.2 LF钢水温度预报模型的参数辨识 | 第33-40页 |
| 2.2.1 遗传算法简介 | 第33-34页 |
| 2.2.2 遗传算法编码与适应度函数 | 第34-36页 |
| 2.2.3 遗传算法操作 | 第36-38页 |
| 2.2.4 参数辨识流程与仿真结果 | 第38-40页 |
| 2.3 LF钢水温度预报模型的误差补偿 | 第40-48页 |
| 2.3.1 RBF神经网络简介 | 第41-43页 |
| 2.3.2 RBF神经网络算法 | 第43-45页 |
| 2.3.3 温度预报混合模型的预报结果 | 第45-48页 |
| 2.4 本章小结 | 第48-50页 |
| 第3章 LF钢水硫含量预报模型 | 第50-62页 |
| 3.1 LF钢水硫含量预报机理建模 | 第50-57页 |
| 3.1.1 脱硫反应动力学 | 第50-51页 |
| 3.1.2 脱硫反应热力学 | 第51-54页 |
| 3.1.3 硫含量预报机理模型的假设 | 第54-56页 |
| 3.1.4 稳态硫含量预报的仿真结果 | 第56-57页 |
| 3.2 LF钢水硫含量预报混合建模 | 第57-61页 |
| 3.2.1 硫含量预报机理模型的参数辨识 | 第57-58页 |
| 3.2.2 硫含量预报机理模型的误差补偿 | 第58-61页 |
| 3.3 本章小结 | 第61-62页 |
| 第4章 LF综合预报模型 | 第62-72页 |
| 4.1 综合预报纯数据模型的建立与讨论 | 第62-66页 |
| 4.1.1 综合预报输入的选择 | 第62-63页 |
| 4.1.2 综合预报纯数据模型的仿真结果 | 第63-66页 |
| 4.2 LF综合预报混合模型的建立 | 第66-69页 |
| 4.2.1 综合预报混合模型的建立过程 | 第66-68页 |
| 4.2.2 综合预报混合模型的仿真结果 | 第68-69页 |
| 4.3 本章小结 | 第69-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80页 |
