| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究的背景和意义 | 第10页 |
| ·转炉炼钢工艺流程及制度 | 第10-12页 |
| ·转炉炼钢终点控制方法 | 第12-14页 |
| ·神经网络在转炉炼钢终点预报控制中的应用 | 第14页 |
| ·理论模型+神经网络模型的意义 | 第14-15页 |
| ·本文主要研究内容和所做工作 | 第15-16页 |
| 第二章 转炉炼钢理论模型 | 第16-27页 |
| ·转炉炼钢中的物料平衡和热平衡 | 第16-18页 |
| ·物料平衡 | 第16-17页 |
| ·热平衡 | 第17页 |
| ·假设条件 | 第17-18页 |
| ·物料平衡计算 | 第18-23页 |
| ·炉渣量及成分计算 | 第18-21页 |
| ·矿石、烟尘中铁及氧含量 | 第21页 |
| ·炉气成分及重量 | 第21-22页 |
| ·氧气消耗计算 | 第22页 |
| ·钢水量计算 | 第22-23页 |
| ·热平衡计算 | 第23-26页 |
| ·热收入项 | 第23-25页 |
| ·热支出项 | 第25-26页 |
| ·加入废钢后的物料平衡 | 第26页 |
| ·转炉炼钢静态模型的实现 | 第26页 |
| ·小结 | 第26-27页 |
| 第三章 基于改进RBF神经网络的终点碳温预报模型 | 第27-39页 |
| ·人工神经网络技术 | 第27-28页 |
| ·人工神经元的工作过程 | 第27-28页 |
| ·神经网络的基本结构 | 第28页 |
| ·RBF神经网络原理及结构 | 第28-30页 |
| ·RBF神经网络结构 | 第28-30页 |
| ·RBF神经网络的优缺点 | 第30页 |
| ·数据的预处理 | 第30-31页 |
| ·数据的主要成分分析 | 第30页 |
| ·异常值的删除 | 第30-31页 |
| ·标准化处理 | 第31页 |
| ·改进型RBF神经网络预报模型 | 第31-38页 |
| ·采用K均值聚类算法选取RBF神经网络隐藏层中心 | 第32-33页 |
| ·隐藏层节点数对于RBF神经网络性能的影响及改进方法 | 第33-35页 |
| ·基函数中心对于RBF神经网络的影响 | 第35-37页 |
| ·终点碳温预报 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第四章 遗传算法(GA)优化控制模型 | 第39-46页 |
| ·优化算法分析 | 第39页 |
| ·转炉终点多目标优化原理 | 第39-40页 |
| ·遗传算法简介 | 第40-42页 |
| ·遗传算法求解最优值过程 | 第42-45页 |
| ·小结 | 第45-46页 |
| 第五章 软件实现 | 第46-54页 |
| ·软件的功能 | 第46页 |
| ·软件开发工具 | 第46页 |
| ·软件结构 | 第46-53页 |
| ·系统使用和管理 | 第47-48页 |
| ·静态配料模型 | 第48-50页 |
| ·预测控制部分 | 第50-52页 |
| ·神经网络训练部分 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |