基于软测量的钢包精炼生产过程多目标鲁棒优化
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 软测量技术研究现状 | 第10-11页 |
| 1.2.2 多目标鲁棒优化研究现状 | 第11-12页 |
| 1.3 本课题研究内容 | 第12-14页 |
| 第二章 LF炉钢包精炼过程分析 | 第14-22页 |
| 2.1 LF精炼炉的结构和作用 | 第14-17页 |
| 2.1.1 LF精炼炉的结构 | 第14-16页 |
| 2.1.2 LF精炼炉的功能及作用 | 第16-17页 |
| 2.2 LF炉钢包精炼过程分析 | 第17页 |
| 2.3 LF炉精炼过程能量守恒分析 | 第17-21页 |
| 2.3.1 电极加热 | 第19页 |
| 2.3.2 合金渣料熔化 | 第19页 |
| 2.3.3 钢包包衬的热损失 | 第19-20页 |
| 2.3.4 渣面的热量损失 | 第20页 |
| 2.3.5 吹氩热量损失 | 第20-21页 |
| 2.3.6 影响钢水终点温度主要因素 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 LF炉钢水终点温度预报软测量模型 | 第22-40页 |
| 3.1 软测量技术介绍 | 第22-25页 |
| 3.1.1 机理分析和辅助变量的选择 | 第23-24页 |
| 3.1.2 软测量数据采集和处理 | 第24页 |
| 3.1.3 软测量模型建立 | 第24-25页 |
| 3.1.4 软测量模型校正 | 第25页 |
| 3.2 基于机理分析方法的钢水温度预报 | 第25-26页 |
| 3.3 基于软测量方法的钢水终点温度预报 | 第26-33页 |
| 3.3.1 BP神经网络 | 第26-29页 |
| 3.3.2 AdaBoost集成算法 | 第29-30页 |
| 3.3.3 AdaBoost.RS算法 | 第30-33页 |
| 3.4 实验仿真与分析 | 第33-39页 |
| 3.4.1 测试函数实验仿真 | 第33-35页 |
| 3.4.2 钢包精炼的钢水温度预报模型 | 第35-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 LF炉钢包精炼过程多目标鲁棒优化 | 第40-60页 |
| 4.1 LF精炼过程多目标优化模型 | 第40-42页 |
| 4.1.1 多目标优化方法 | 第40-41页 |
| 4.1.2 建立多目标优化模型 | 第41-42页 |
| 4.2 LF炉钢包精炼过程多目标鲁棒优化模型 | 第42-45页 |
| 4.2.1 鲁棒优化概述 | 第42-43页 |
| 4.2.2 单目标鲁棒优化 | 第43-44页 |
| 4.2.3 多目标鲁棒优化 | 第44页 |
| 4.2.4 建立多目标鲁棒优化模型 | 第44-45页 |
| 4.3 基于和声搜索算法的改进 | 第45-52页 |
| 4.3.1 标准的和声搜搜算法 | 第47-50页 |
| 4.3.2 改进的和声搜索算法 | 第50-52页 |
| 4.4 实验仿真与分析 | 第52-59页 |
| 4.4.1 测试函数实验仿真 | 第52-55页 |
| 4.4.2 钢包精炼的优化仿真 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 发表论文和参加科研情况说明 | 第66-68页 |
| 致谢 | 第68页 |
