| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-26页 |
| ·研究背景及意义 | 第11页 |
| ·转炉炼钢吹炼过程 | 第11-14页 |
| ·转炉终点控制现状及分析 | 第14-24页 |
| ·人工经验控制 | 第14-17页 |
| ·转炉终点静态模型控制 | 第17-18页 |
| ·转炉终点动态控制 | 第18-19页 |
| ·光学图像终点判定方法 | 第19-20页 |
| ·冶炼噪声终点判定方法 | 第20-21页 |
| ·智能终点判定方法 | 第21-22页 |
| ·终点控制方法的现状分析 | 第22-24页 |
| ·本文的主要工作及内容安排 | 第24-26页 |
| 2 炉口辐射多频道信息获取系统的构建 | 第26-47页 |
| ·系统设计的辐射理论基础 | 第26-28页 |
| ·基本辐射量和光谱辐射量 | 第26-27页 |
| ·朗伯(Lambert)辐射源和普朗克(Planck)定律 | 第27-28页 |
| ·用黑体理论进行研究的可行性分析 | 第28页 |
| ·系统的设计和组成 | 第28-29页 |
| ·炉口辐射获取分系统 | 第29-31页 |
| ·光纤谱分复用分系统 | 第31-34页 |
| ·光纤的选择 | 第31-33页 |
| ·光纤谱分束的设计 | 第33页 |
| ·光源与光纤的耦合 | 第33-34页 |
| ·多光谱复合探测分系统 | 第34-39页 |
| ·探测器获得的实际辐通量 | 第34-35页 |
| ·滤光片的设计 | 第35-36页 |
| ·光电探测器及硬件系统设计的要求 | 第36-39页 |
| ·炉口火焰图像获取分系统 | 第39-46页 |
| ·图像成像器件的选择 | 第40-43页 |
| ·光学镜头的选择 | 第43-44页 |
| ·图像采集卡的选择 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 3 转炉潜在光辐射吹炼规律的提取 | 第47-75页 |
| ·光谱光强信息采集软件的设计 | 第47-53页 |
| ·MSComm控件的属性和事件 | 第47-51页 |
| ·MSComm控件的通信方法 | 第51页 |
| ·串口通信的编程 | 第51-53页 |
| ·光谱光强信息的分析 | 第53-56页 |
| ·光谱光强的总量分析 | 第53-55页 |
| ·单路光谱光强分析 | 第55-56页 |
| ·单一光谱光强信息判定的不足 | 第56页 |
| ·图像信息采集软件的设计 | 第56-62页 |
| ·VFW视频捕获系统概述 | 第56-57页 |
| ·AVICap的功能、结构和函数 | 第57-59页 |
| ·视频采集的主要步骤 | 第59-62页 |
| ·图像特征信息的分析 | 第62-72页 |
| ·颜色模型概述及选择 | 第62-67页 |
| ·图像特征信息的提取 | 第67-72页 |
| ·光谱光强和图像特征信息的综合分析 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 4 基于光辐射吹炼规律的转炉终点回归预测模型 | 第75-93页 |
| ·一元线性回归分析的理论知识 | 第75-81页 |
| ·一元回归系数的最小二乘估计 | 第76-77页 |
| ·一元回归方程的显著性检验 | 第77-79页 |
| ·一元回归系数的显著性检验(t检验) | 第79-80页 |
| ·一元回归方程和回归系数显著性检验方法的关系 | 第80-81页 |
| ·多元线性回归分析理论 | 第81-84页 |
| ·多元回归分析模型及回归系数估计 | 第81-83页 |
| ·多元回归方程的显著性检验 | 第83-84页 |
| ·多元回归系数的显著性检验(t检验) | 第84页 |
| ·转炉终点回归预测模型 | 第84-91页 |
| ·终点回归预测模型变量的选择 | 第84-87页 |
| ·终点回归预测模型的建立 | 第87-88页 |
| ·终点回归预测模型的预测结果与分析 | 第88-91页 |
| ·终点回归预测模型的讨论 | 第91页 |
| ·本章小结 | 第91-93页 |
| 5 基于光辐射吹炼规律的转炉终点神经网络预测模型 | 第93-122页 |
| ·神经网络的理论知识 | 第93-96页 |
| ·神经网络的结构 | 第93-95页 |
| ·神经网络的特点 | 第95-96页 |
| ·误差反向传播神经网络 | 第96-108页 |
| ·BP神经网络的工作原理 | 第96-98页 |
| ·隐含层神经元的激活函数 | 第98-99页 |
| ·隐含层神经元数目的确定 | 第99-100页 |
| ·误差反向传播算法 | 第100-106页 |
| ·BP神经网络的训练方法及步骤 | 第106-108页 |
| ·转炉终点神经网络预测模型 | 第108-120页 |
| ·基于神经网络建立预测模型的可行性分析 | 第108-109页 |
| ·终点神经网络预测模型的选用算法 | 第109-110页 |
| ·终点神经网络预测模型变量的选择及处理 | 第110-115页 |
| ·终点神经网络预测模型的建立 | 第115-116页 |
| ·终点神经网络预测模型的训练结果 | 第116-119页 |
| ·终点神经网络预测模型的讨论 | 第119-120页 |
| ·本章小结 | 第120-122页 |
| 6 全文总结、创新点及展望 | 第122-124页 |
| ·论文总结 | 第122-123页 |
| ·论文创新点 | 第123页 |
| ·今后的研究工作 | 第123-124页 |
| 致谢 | 第124-125页 |
| 参考文献 | 第125-133页 |
| 攻读博士学位期间发表的论文及著作 | 第133-134页 |
| 攻读博士学位期间参加的研究课题 | 第134-135页 |
| 附录:现场实验数据图(部分) | 第135-148页 |