| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.2.1 基于生产参数的模糊控制法 | 第10页 |
| 1.2.2 机尾断面观察法 | 第10-11页 |
| 1.2.3 两种方法的比较 | 第11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文创新部分 | 第12-13页 |
| 第二章 烧结矿质量在线判定系统的设计及构成 | 第13-15页 |
| 2.1 烧结质量在线判定系统构成概述 | 第13页 |
| 2.2 各功能模块简介 | 第13-15页 |
| 第三章 用于烧结矿质量在线判定的关键参量的实时获取 | 第15-27页 |
| 3.1 机尾断面可见光图像的采集与最佳断面图像的筛选 | 第15-21页 |
| 3.1.1 机尾断面可见光图像的采集 | 第15-16页 |
| 3.1.2 机尾最佳断面图像的筛选 | 第16-21页 |
| 3.2 机尾断面红外热图像的采集与处理 | 第21-23页 |
| 3.2.1 机尾断面红外热图像的采集 | 第21-22页 |
| 3.2.2 机尾断面红外热图像的处理 | 第22-23页 |
| 3.3 基于OPC通信的现场传感器参数实时获取 | 第23-27页 |
| 第四章 烧结矿质量在线判定算法研究 | 第27-43页 |
| 4.1 机尾最佳断面图像的特征提取 | 第27-30页 |
| 4.1.1 经验特征 | 第27-28页 |
| 4.1.2 经验特征的数值化提取 | 第28-30页 |
| 4.2 对应最佳断面的现场传感器参数的反演 | 第30-32页 |
| 4.3 过欠烧的判定 | 第32-35页 |
| 4.4 断面横向烧结均匀性的判定 | 第35-36页 |
| 4.5 用于FeO含量及转鼓指数判定的支持向量机方法 | 第36-43页 |
| 4.5.1 SVM基础 | 第36-40页 |
| 4.5.2 加权支持向量机 | 第40-43页 |
| 第五章 烧结矿质量在线判定系统数据库的建立与远程访问 | 第43-50页 |
| 5.1 SQL Server数据库服务器的建立 | 第43-46页 |
| 5.2 远程访问客户端软件的设计与实现 | 第46-50页 |
| 第六章 烧结矿质量在线判定系统的样本收集与模型训练 | 第50-55页 |
| 6.1 化验样本的收集 | 第50-51页 |
| 6.2 人工样本的收集 | 第51-53页 |
| 6.3 判定模型的训练 | 第53-55页 |
| 第七章 烧结矿质量在线判定系统软件实例与应用结果分析 | 第55-68页 |
| 7.1 马钢现场安装的软件示例及功能介绍 | 第61-63页 |
| 7.2 FeO含量等级判定中标率 | 第63-64页 |
| 7.3 转鼓指数判定中标率 | 第64-65页 |
| 7.4 烧结矿质量等级判定准确率 | 第65-66页 |
| 7.5 过烧与欠烧判定准确率 | 第66-67页 |
| 7.6 横向烧结均匀性判定准确率 | 第67-68页 |
| 第八章 结论与展望 | 第68-70页 |
| 8.1 论文总结 | 第68-69页 |
| 8.2 后期展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附图(附表、附录) | 第75-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间发表的学术论文 | 第78页 |
