| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·前言 | 第9页 |
| ·转炉技术的进步 | 第9-10页 |
| ·转炉终点控制与研究进展 | 第10-11页 |
| ·转炉终点控制的应用 | 第11-12页 |
| ·研究背景与研究内容 | 第12-15页 |
| ·研究背景 | 第12-13页 |
| ·研究内容 | 第13-15页 |
| 2 不同控制模型的关系及方法分析 | 第15-23页 |
| ·静态控制模型与动态控制模型的关系 | 第15-16页 |
| ·转炉控制模型方法分析 | 第16-21页 |
| ·转炉静态控制 | 第17-18页 |
| ·转炉动态控制 | 第18-19页 |
| ·转炉全自动控制 | 第19-20页 |
| ·其它方法 | 第20-21页 |
| ·转炉终点控制技术的发展趋势分析 | 第21-23页 |
| 3 基于人工智能的转炉终点控制静态与准动态模型分析 | 第23-30页 |
| ·基于人工智能的转炉终点控制静态与准动态模型的原理 | 第23-24页 |
| ·基于GA-BP 神经网络的转炉终点控制模型的应用 | 第24-25页 |
| ·转炉终点预测的准动态控制模型的应用 | 第25-26页 |
| ·模型的比较分析 | 第26-30页 |
| ·终点控制模型 | 第26-27页 |
| ·模型的方法 | 第27页 |
| ·模型输入条件和特点 | 第27-28页 |
| ·模型的控制目标 | 第28-29页 |
| ·比较结果分析 | 第29-30页 |
| 4 终点控制模型的改进 | 第30-47页 |
| ·基于时间的BP 神经网络终点控制模型的原理 | 第30-37页 |
| ·模型的原理 | 第30-32页 |
| ·模型的方法 | 第32-35页 |
| ·模型的构建 | 第35-36页 |
| ·模型的改进 | 第36页 |
| ·BP 神经网络算法的改进 | 第36-37页 |
| ·基于时间的BP 神经网络终点控制模型建立的基础 | 第37-41页 |
| ·模型应用的条件 | 第37-38页 |
| ·模型应用的对象 | 第38-39页 |
| ·模型基本假设 | 第39页 |
| ·物料平衡计算 | 第39-41页 |
| ·数据的预处理 | 第41-47页 |
| ·数据的收集与清理 | 第41页 |
| ·有效参数的评估与选择 | 第41-43页 |
| ·模型输入变量与输出变量的选取 | 第43-44页 |
| ·过程数据的模式量化与变换 | 第44-47页 |
| 5 基于时间的BP 神经网络终点控制模型的实现与测试 | 第47-56页 |
| ·基于时间的BP 神经网络终点控制模型的实现 | 第47-50页 |
| ·基于时间的BP 神经网络终点控制模型的测试 | 第50-56页 |
| ·试验设计 | 第50-51页 |
| ·试验数据 | 第51-52页 |
| ·试验结果与分析 | 第52-56页 |
| 6 结论与展望 | 第56-58页 |
| ·结论 | 第56页 |
| ·展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-65页 |
| 作者在攻读学位期间发表的论文目录 | 第63-65页 |
