基于人工智能与热成像的结晶器漏钢预报系统
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·引言 | 第9-10页 |
| ·连铸生产中的粘结性漏钢 | 第10-14页 |
| ·板坯连铸生产中常见漏钢的种类及原因 | 第10-11页 |
| ·粘结漏钢产生机理的研究现状 | 第11页 |
| ·板坯连铸诱发粘结的因素和预防措施 | 第11-14页 |
| ·板坯连铸漏钢预报技术的研究 | 第14-17页 |
| ·可视化连铸漏钢预报系统 | 第17-18页 |
| ·论文的主要内容 | 第18-19页 |
| 2 基于实测温度的板坯连铸粘结漏钢机理分析 | 第19-32页 |
| ·板坯连铸结晶器的凝固行为 | 第19-21页 |
| ·钢液在结晶器内的凝固传热 | 第19-20页 |
| ·结晶器内坯壳的生长行为特征 | 第20-21页 |
| ·粘结漏钢形成的机理分析 | 第21-23页 |
| ·结晶器温度实测结果与分析 | 第23-30页 |
| ·现场检测条件 | 第23-24页 |
| ·正常工况下的结晶器温度趋势 | 第24-26页 |
| ·铸坯粘结时测点温度变化的典型模式 | 第26-28页 |
| ·铸坯粘结的传播行为 | 第28-30页 |
| ·薄板坯连铸结晶器粘结性漏钢裂口的传播 | 第29页 |
| ·板坯连铸结晶器粘结性漏钢裂口的传播 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 3 结晶器漏钢预报模型的建立与仿真 | 第32-50页 |
| ·逻辑判断漏钢预报模型的建立 | 第32-34页 |
| ·逻辑判断漏钢预报的原理 | 第32页 |
| ·预报系统模型的建立 | 第32-34页 |
| ·人工神经网络及BP网络概述 | 第34-39页 |
| ·人工神经网络 | 第34-35页 |
| ·BP神经网络 | 第35页 |
| ·BP网络的学习过程概述 | 第35-39页 |
| ·BP网络的改进 | 第39页 |
| ·神经网络漏钢预报模型的建立 | 第39-45页 |
| ·神经网络的选择及网络结构的确定 | 第39页 |
| ·延时网络(TDNN)技术 | 第39-40页 |
| ·BP网络程序设计 | 第40页 |
| ·温度数据的模糊化处理 | 第40-43页 |
| ·预报模型的建立 | 第43-45页 |
| ·神经网络漏钢预报模型的训练和仿真 | 第45-48页 |
| ·时序网络的离线训练和仿真 | 第45-47页 |
| ·空间网络的离线训练和仿真 | 第47-48页 |
| ·逻辑判断预报方法和神经网络预报方法的对比 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 4 板坯连铸结晶器热成像及漏钢预报系统开发 | 第50-64页 |
| ·结晶器热成像的实现 | 第50-54页 |
| ·结晶器铜板温度的插值计算 | 第50-54页 |
| ·B样条函数插值原理 | 第50-52页 |
| ·采用B样条函数对温度数据差值效果 | 第52-54页 |
| ·基于OpenGL的可视化技术 | 第54页 |
| ·漏钢预报系统软件的开发 | 第54-55页 |
| ·软件的编制和主要功能 | 第54-55页 |
| ·漏钢预报系统软件的设计流程 | 第55页 |
| ·漏钢预报系统软件的主要模块说明 | 第55-61页 |
| ·文件的读取与调用模块 | 第56页 |
| ·结晶器铜板热成像模块 | 第56-57页 |
| ·逻辑判断模块 | 第57-59页 |
| ·神经网络预报模块 | 第59-61页 |
| ·系统监测实例与分析 | 第61-63页 |
| ·正常工况条件下系统的运行情况 | 第61-62页 |
| ·粘结产生时系统的运行情况 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
