| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 文献综述 | 第9-19页 |
| 1.1 前言 | 第9-10页 |
| 1.2 RH 精炼处理工艺 | 第10-13页 |
| 1.2.1 RH 精炼技术的发展 | 第10-11页 |
| 1.2.2 RH 精炼过程控制的自动化 | 第11-13页 |
| 1.3 RH 精炼过程的温度模型 | 第13-18页 |
| 1.3.1 RH 精炼过程温度模型的研究现状 | 第13-16页 |
| 1.3.2 神经网络在温度预报模型中的应用 | 第16-18页 |
| 1.4 本课题的研究目的和内容 | 第18-19页 |
| 第二章 RH-MFB 精炼过程中钢水温度变化研究 | 第19-31页 |
| 2.1 RH-MFB 精炼处理工艺 | 第19-20页 |
| 2.2 钢水温度的影响因素分析 | 第20-29页 |
| 2.2.1 脱碳过程对钢水温度的影响 | 第20-22页 |
| 2.2.2 吹氩对钢水温度的影响 | 第22-23页 |
| 2.2.3 吹氧加铝对钢水温度的影响 | 第23-25页 |
| 2.2.4 合金成分调整对钢水温度的影响 | 第25-28页 |
| 2.2.5 非操作因素对钢水温度的影响 | 第28-29页 |
| 2.3 RH 精炼温度机理计算模型的建立 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于人工神经网络建立温度预报模型 | 第31-43页 |
| 3.1 人工神经网络 | 第31-35页 |
| 3.1.1 人工神经网络的概述 | 第31-32页 |
| 3.1.2 动态神经网络 | 第32-33页 |
| 3.1.3 NARX 算法原理 | 第33-35页 |
| 3.2 基于 MATLAB 的神经网络温度预报模型 | 第35-38页 |
| 3.2.1 神经网络模型的预测步骤 | 第35-36页 |
| 3.2.2 神经网络模型训练数据准备 | 第36页 |
| 3.2.3 神经网络模型的建立 | 第36-38页 |
| 3.3 模型的测试结果分析 | 第38-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 温度预报与自动控制模型的开发 | 第43-49页 |
| 4.1 温度预报与控制模型的开发 | 第43-45页 |
| 4.2 模型图形用户界面 | 第45-46页 |
| 4.3 离线模拟结果与分析 | 第46-49页 |
| 第五章 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录1 攻读硕士学位期间发表的论文 | 第55-56页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第56页 |