| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-21页 |
| ·课题的科学意义和应用前景 | 第11页 |
| ·转炉炼钢工艺与控制方法 | 第11-15页 |
| ·氧气顶吹转炉炼钢原理 | 第11-13页 |
| ·转炉炼钢设备及炼钢流程 | 第13-15页 |
| ·现场存在的问题和不足 | 第15页 |
| ·转炉终点控制技术现状 | 第15-18页 |
| ·转炉静态控制 | 第16-17页 |
| ·转炉动态控制 | 第17页 |
| ·转炉全自动控制 | 第17-18页 |
| ·神经网络技术在转炉炼钢终点控制中的应用 | 第18-19页 |
| ·本文主要工作 | 第19-21页 |
| ·研究背景 | 第19-20页 |
| ·研究内容 | 第20-21页 |
| 2 转炉炼钢数据来源 | 第21-26页 |
| ·现有数据系统 | 第21-22页 |
| ·废钢斗数据 | 第22-23页 |
| ·钢水化验数据 | 第23页 |
| ·钢水温度 | 第23-24页 |
| ·数据的转换与存储 | 第24-25页 |
| ·数据分析 | 第25页 |
| ·本章小结 | 第25-26页 |
| 3 数据预处理 | 第26-38页 |
| ·生产数据离群值的识别 | 第26-31页 |
| ·生产数据离群值的处理 | 第31-34页 |
| ·数据标准化 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 4 转炉炼钢终点预测模型建模 | 第38-60页 |
| ·建模的目的与要求 | 第38页 |
| ·转炉炼钢线性回归终点预测模型 | 第38-44页 |
| ·线性回归建模思想 | 第38-40页 |
| ·转炉炼钢线性回归预报模型 | 第40-41页 |
| ·仿真研究 | 第41-44页 |
| ·转炉炼钢RBF 终点预测模型 | 第44-52页 |
| ·RBF 神经网络简介 | 第44页 |
| ·输入量的确定 | 第44-45页 |
| ·转炉炼钢RBF 预测模型结构 | 第45-46页 |
| ·转炉炼钢RBF 预报模型网络中心的选取 | 第46-47页 |
| ·转炉炼钢RBF 预报模型网络权值的调整 | 第47-48页 |
| ·仿真研究 | 第48-52页 |
| ·转炉炼钢基于混沌免疫粒子算法优化的BP 神经网络预测模型 | 第52-59页 |
| ·混沌免疫粒子算法及其与BP 的结合 | 第52-53页 |
| ·转炉炼钢CIPSO-BP 预测模型结构 | 第53-54页 |
| ·转炉炼钢CIPSO-BP 预测模型网络训练 | 第54-55页 |
| ·仿真研究比较 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 5 转炉炼钢终点优化控制模型 | 第60-65页 |
| ·基于区域寻优的转炉炼钢终点优化控制模型 | 第60-61页 |
| ·仿真研究 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 6 结束语 | 第65-67页 |
| ·课题总结 | 第65页 |
| ·未来需要的改进的问题及措施 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71页 |