基于神经网络的LF炉终点预报研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·神经网络理论概况 | 第9-12页 |
| ·神经网络发展概况 | 第9-10页 |
| ·神经网络的结构与类型 | 第10-11页 |
| ·神经网络的主要特点 | 第11-12页 |
| ·神经网络在钢铁工业中的应用 | 第12-15页 |
| ·国外开发、应用现状 | 第12-14页 |
| ·在炼铁过程中的应用 | 第12-13页 |
| ·在炼钢过程中的应用 | 第13-14页 |
| ·国内开发、应用现状 | 第14-15页 |
| ·课题的目的和意义 | 第15页 |
| ·课题主要工作 | 第15-17页 |
| 第二章 精炼炉概述 | 第17-29页 |
| ·引言 | 第17-18页 |
| ·LF炉技术历史与现状 | 第18页 |
| ·钢水二次精炼概况 | 第18-22页 |
| ·LF炉设备简介 | 第18-20页 |
| ·LF炉的精炼功能 | 第20-21页 |
| ·LF法精炼工艺 | 第21-22页 |
| ·LF炉优点 | 第22页 |
| ·国内外成分与温度控制进展概况 | 第22-29页 |
| ·炼钢过程的检测技术 | 第22-24页 |
| ·钢水温度的检测方法 | 第23-24页 |
| ·钢水成分的在线分析 | 第24页 |
| ·炼钢终点预报方法的现状 | 第24-29页 |
| ·国外概况 | 第25-27页 |
| ·国内概况 | 第27-29页 |
| 第三章 预报方法研究 | 第29-47页 |
| ·引言 | 第29页 |
| ·基于最小二乘法的终点预报 | 第29-33页 |
| ·神经网络原理 | 第33-47页 |
| ·神经网络模型 | 第34-36页 |
| ·处理单元的基本特性 | 第34页 |
| ·神经元激活函数 | 第34-36页 |
| ·网络学习过程 | 第36-38页 |
| ·网络模型选择 | 第38-47页 |
| ·BP网络算法 | 第40-43页 |
| ·网络训练步骤 | 第43-45页 |
| ·算法改进措施 | 第45-47页 |
| 第四章 精炼炉终点预报研究 | 第47-61页 |
| ·引言 | 第47页 |
| ·网络模型设计 | 第47-52页 |
| ·样本数据的产生 | 第47-48页 |
| ·训练样本集预备 | 第48-49页 |
| ·数据的预处理 | 第49-50页 |
| ·数据筛选 | 第49页 |
| ·输入输出数据标准化 | 第49-50页 |
| ·网络参数设定 | 第50-52页 |
| ·网络模型确定 | 第52页 |
| ·神经网络模型训练 | 第52-53页 |
| ·LF炉终点预报仿真试验 | 第53-58页 |
| ·终点预测结果 | 第53-58页 |
| ·误差分析 | 第58页 |
| ·利用神经网络终点预报指导生产 | 第58-61页 |
| 第五章 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
