基于神经网络的转炉炼钢碳温控制模型及智能专家系统
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究的背景和意义 | 第9页 |
| ·转炉炼钢工艺流程 | 第9-10页 |
| ·转炉炼钢的终点控制 | 第10-11页 |
| ·神经网络在转炉炼钢终点控制中的应用 | 第11-12页 |
| ·本文当中的主要研究内容和所做工作 | 第12-13页 |
| 第二章 转炉炼钢理论模型 | 第13-27页 |
| ·转炉炼钢中的热平衡和物料平衡 | 第13-14页 |
| ·热平衡 | 第13-14页 |
| ·物料平衡 | 第14页 |
| ·转炉炼钢物理过程的机理分析 | 第14-26页 |
| ·转炉装入量的确定 | 第15页 |
| ·溶剂的计算 | 第15-17页 |
| ·物料平衡的计算 | 第17-19页 |
| ·控制终点中碳含量的总吹氧量方程 | 第19-21页 |
| ·控制钢水终点温度的矿石量方程 | 第21-26页 |
| ·转炉炼钢理论模型的实现 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 转炉炼钢终点复合预测模型 | 第27-38页 |
| ·BP 神经网络原理及结构 | 第27-29页 |
| ·BP 神经网络结构 | 第27页 |
| ·BP 神经网络的学习过程 | 第27-28页 |
| ·BP 神经网络的不足以及改进 | 第28-29页 |
| ·多神经网络预测模型建模 | 第29-30页 |
| ·多神经网络的基本理论 | 第29-30页 |
| ·数据的预处理 | 第30-32页 |
| ·数据主要成分分析 | 第30页 |
| ·样本空间的划分 | 第30-32页 |
| ·仿真研究 | 第32-34页 |
| ·案例推理的基本理论与技术 | 第34-36页 |
| ·基于案例推理介绍 | 第34页 |
| ·基于案例推理的关键技术 | 第34-35页 |
| ·基于案例推理的优点与缺点 | 第35页 |
| ·基于案例推理的系统设计 | 第35-36页 |
| ·小结 | 第36-38页 |
| 第四章 转炉炼钢的控制模型 | 第38-43页 |
| ·终点控制算法分析 | 第38页 |
| ·终点控制的多目标优化原理 | 第38-39页 |
| ·基于蚁群算法的多目标优化 | 第39-42页 |
| ·蚁群算法简介 | 第39页 |
| ·蚁群算法求解最优值的过程 | 第39-42页 |
| ·小结 | 第42-43页 |
| 第五章 软件实现 | 第43-50页 |
| ·软件的主要功能 | 第43页 |
| ·软件的开发工具 | 第43页 |
| ·软件结构 | 第43-49页 |
| ·数据预处理 | 第44-45页 |
| ·静态模块 | 第45-47页 |
| ·预测控制模块 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| ·总结 | 第50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 发表论文和科研情况说明 | 第54-55页 |
| 致谢 | 第55-56页 |
