基于神经网络的转炉冶炼终点锰、磷静态预报模型
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第10-12页 |
| 1 文献综述 | 第12-24页 |
| 1.1 转炉冶炼终点控制技术 | 第12-16页 |
| 1.1.1 静态控制技术 | 第12-14页 |
| 1.1.2 动态控制技术 | 第14-15页 |
| 1.1.3 转炉全自动控制 | 第15页 |
| 1.1.4 人工智能技术在转炉炼钢中的应用 | 第15-16页 |
| 1.2 人工神经网络理论 | 第16-24页 |
| 1.2.1 神经网络的选取 | 第16-18页 |
| 1.2.2 神经网络原理 | 第18-23页 |
| 1.2.3 神经网络的应用 | 第23-24页 |
| 2 转炉冶炼终点锰、磷分析 | 第24-40页 |
| 2.1 吹炼过程中熔池中锰、磷的动态 | 第24-33页 |
| 2.1.1 吹炼过程中熔池中锰的动态 | 第24-28页 |
| 2.1.2 吹炼过程中熔池中磷的动态 | 第28-33页 |
| 2.2 影响转炉冶炼终点锰、磷因素分析 | 第33-38页 |
| 2.2.1 影响终点磷含量因素 | 第33-36页 |
| 2.2.2 影响终点锰含量的因素 | 第36-38页 |
| 2.3 转炉冶炼终点锰、磷控制预报的发展及现状 | 第38-40页 |
| 3 网络模型的建立 | 第40-51页 |
| 3.1 网络结构的确定 | 第40-51页 |
| 3.1.1 网络个数的确定 | 第40页 |
| 3.1.2 输入变量的确定 | 第40-41页 |
| 3.1.3 BP 网络的设计 | 第41-47页 |
| 3.1.4 BP 网络算法的程序实现 | 第47-51页 |
| 4 网络模型的功能实现 | 第51-63页 |
| 4.1 编程语言的选取 | 第51-53页 |
| 4.2 软件的结构及功能 | 第53-60页 |
| 4.2.1 软件简介 | 第53页 |
| 4.2.1 软件的结构及功能 | 第53-60页 |
| 4.3 模型预报结果验证 | 第60-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录A 样本数据库 | 第67-72页 |
| 致谢 | 第72-73页 |
| 导师简介 | 第73-74页 |
| 作者简介 | 第74-75页 |
| 学位论文数据集 | 第75页 |
