| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1. 绪论 | 第7-15页 |
| ·选题的科学意义和应用前景 | 第7-8页 |
| ·转炉炼钢简介 | 第8页 |
| ·转炉炼钢终点控制现状 | 第8-11页 |
| ·人工经验控制 | 第9页 |
| ·静态控制 | 第9-10页 |
| ·动态控制 | 第10-11页 |
| ·新型的终点控制方法 | 第11-13页 |
| ·光学方法 | 第11页 |
| ·图像方法 | 第11-12页 |
| ·神经网络方法 | 第12-13页 |
| ·本文所做工作 | 第13-15页 |
| 2. 炉口火焰采集系统基本原理及组成 | 第15-27页 |
| ·系统基本原理和组成 | 第15页 |
| ·光强采集系统 | 第15-18页 |
| ·光学系统设计 | 第16-17页 |
| ·电路系统 | 第17-18页 |
| ·光强信息初步处理 | 第18页 |
| ·火焰图像采集系统 | 第18-21页 |
| ·图像采集系统整体设计要求 | 第18-19页 |
| ·摄像头用望远系统 | 第19页 |
| ·图像采集系统 | 第19页 |
| ·图像采集软件系统 | 第19-21页 |
| ·火焰图像颜色模型的选择 | 第21-27页 |
| ·图像颜色模型简介 | 第21-23页 |
| ·火焰图像颜色模型的选择 | 第23-25页 |
| ·火焰图像颜色模型中颜色信息的选择 | 第25-27页 |
| 3. 神经网络建模技术 | 第27-39页 |
| ·人工神经网络技术 | 第27页 |
| ·人工神经网络的结构 | 第27-29页 |
| ·误差逆传播(BP)神经网络简介 | 第29-39页 |
| ·BP神经网络的原理 | 第30-31页 |
| ·BP神经网络隐层的设计 | 第31-32页 |
| ·BP网络的误差反向传播算法 | 第32-36页 |
| ·BP神经网络的计算步骤 | 第36-37页 |
| ·BP神经网络的训练方式 | 第37-39页 |
| 4. 基于 BP神经网络的转炉炼钢终点时间预测模型 | 第39-55页 |
| ·基于人工神经网络的建模原理 | 第39-40页 |
| ·BP神经网络的开发应用的一般步骤 | 第40-41页 |
| ·BP神经网络的建模数据预处理 | 第41-46页 |
| ·转炉炉口火焰特征量分析 | 第41-44页 |
| ·BP神经网络应变量和自变量的选取 | 第44-45页 |
| ·数据的预处理 | 第45-46页 |
| ·BP神经网络的转炉炼钢终点时间预测中的应用 | 第46-47页 |
| ·BP神经网络模型训练结果分析 | 第47-55页 |
| ·BP神经网络仿真 | 第47-53页 |
| ·模型仿真结果分析 | 第53-55页 |
| 5 总结 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |