炼钢—连铸—轧制全流程能流匹配研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 钢铁工业概况和能源现状 | 第9页 |
| 1.3 本文研究的内容与方法 | 第9-10页 |
| 1.4 论文的组织结构 | 第10-12页 |
| 2 钢铁行业能耗 | 第12-44页 |
| 2.1 钢铁企业能耗特点 | 第12-14页 |
| 2.2 钢铁能耗相关理论 | 第14-18页 |
| 2.2.1 主要能耗指标的定义 | 第14-15页 |
| 2.2.2 国外能耗研究方法与应用 | 第15-17页 |
| 2.2.3 国内能耗研究方法与应用 | 第17-18页 |
| 2.3 能耗相关研究方法 | 第18-21页 |
| 2.3.1 基准物流图法 | 第18页 |
| 2.3.2 投入产出分析法 | 第18-19页 |
| 2.3.3 运筹学方法 | 第19-20页 |
| 2.3.4 系统仿真方法 | 第20-21页 |
| 2.4 炼钢—连铸—轧制生产工艺简介 | 第21-24页 |
| 2.4.1 炼钢生产工艺 | 第21-22页 |
| 2.4.2 连铸生产工艺 | 第22-23页 |
| 2.4.3 热轧生产工艺 | 第23-24页 |
| 2.5 模型基本假设 | 第24-25页 |
| 2.6 物料平衡公式的研究 | 第25-29页 |
| 2.6.1 工序的物料平衡 | 第25-27页 |
| 2.6.2 工序间的物料平衡 | 第27-28页 |
| 2.6.3 生产物流对能耗的影响 | 第28-29页 |
| 2.7 能量平衡公式的研究 | 第29-31页 |
| 2.7.1 工序的能量平衡 | 第29-30页 |
| 2.7.2 全流程的能量平衡 | 第30-31页 |
| 2.8 各工序能量流模型及参数分析 | 第31-39页 |
| 2.8.1 炼钢工序能流模型 | 第31-36页 |
| 2.8.2 连铸工序能流模型 | 第36-37页 |
| 2.8.3 轧钢工序能流模型 | 第37-39页 |
| 2.9 全流程能源效率分析 | 第39-42页 |
| 2.10 本小结 | 第42-44页 |
| 3 炼钢—连铸—轧制全流程能流匹配分析 | 第44-56页 |
| 3.1 能流匹配初探 | 第44-47页 |
| 3.1.1 热力学能级匹配 | 第44-45页 |
| 3.1.2 工序产能匹配 | 第45-46页 |
| 3.1.3 工序间的能流匹配 | 第46-47页 |
| 3.2 时间因素对能量流的影响研究 | 第47-50页 |
| 3.2.1 钢铁制造流程中的时间因素 | 第47-48页 |
| 3.2.2 时间因素对能量流的影响 | 第48-50页 |
| 3.3 基于时间因素的全流程的能流匹配研究 | 第50-54页 |
| 3.3.1 炼钢与连铸工序间的能流匹配研究 | 第50页 |
| 3.3.2 加热炉与热轧工序间的能流匹配研究 | 第50-51页 |
| 3.3.3 关于几种连铸坯热送热装工艺的能耗比较 | 第51-54页 |
| 3.4 本章小结 | 第54-56页 |
| 4 全流程能耗预测与仿真控制设计平台 | 第56-64页 |
| 4.1 基于神经网络的全流程能耗的预测 | 第56-61页 |
| 4.1.1 BP神经网络相关原理 | 第56-57页 |
| 4.1.2 遗传算法与BP神经网络的结合 | 第57页 |
| 4.1.3 基于神经网络的能耗预测模型 | 第57-61页 |
| 4.2 仿真控制平台的开发与实现 | 第61-64页 |
| 5 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
