| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 文献综述 | 第8-20页 |
| 1.1 钢铁企业的困境 | 第8页 |
| 1.2 高炉专家系统简介 | 第8-10页 |
| 1.2.1 高炉专家系统的发展 | 第8-10页 |
| 1.2.2 专家系统的优点 | 第10页 |
| 1.3 人工神经网络简介 | 第10-14页 |
| 1.3.1 人工神经网络 | 第10页 |
| 1.3.2 人工神经网络的发展 | 第10-12页 |
| 1.3.3 BP神经网络 | 第12-14页 |
| 1.4 高炉配矿模型的必要性分析 | 第14-15页 |
| 1.5 高炉配矿研究介绍 | 第15-18页 |
| 1.5.1 国内外研究现状 | 第15-18页 |
| 1.6 计算机决策支持系统 | 第18-19页 |
| 1.6.1 计算机决策支持系统简介 | 第18页 |
| 1.6.2 计算机决策支持系统的特征和组成 | 第18-19页 |
| 1.7 课题研究背景和意义 | 第19-20页 |
| 第二章 高炉炼铁生产和过程数据 | 第20-26页 |
| 2.1 高炉炼铁概述 | 第20页 |
| 2.2 高炉简介 | 第20-21页 |
| 2.2.1 武钢8号高炉 | 第20-21页 |
| 2.2.2 高炉主要生产设备 | 第21页 |
| 2.3 高炉内发生的主要化学反应 | 第21-23页 |
| 2.3.1 铁氧化物的还原 | 第21-22页 |
| 2.3.2 锰氧化物的还原 | 第22页 |
| 2.3.3 二氧化硅的直接还原 | 第22-23页 |
| 2.3.4 磷酸钙的还原 | 第23页 |
| 2.4 高炉操作四大制度 | 第23-24页 |
| 2.4.1 送风制度 | 第23页 |
| 2.4.2 装料制度 | 第23-24页 |
| 2.4.3 造渣制度 | 第24页 |
| 2.4.4 热制度 | 第24页 |
| 2.5 数据收集 | 第24-25页 |
| 2.6 利用系数、综合焦比影响因素分析 | 第25-26页 |
| 第三章 建立BP神经网络并预报综合焦比、利用系数 | 第26-41页 |
| 3.1 数据样本 | 第26-29页 |
| 3.2 数据预处理 | 第29页 |
| 3.3 模型建立和结构确定 | 第29-31页 |
| 3.3.1 人工神经网络模型建立 | 第29-30页 |
| 3.3.2 确定误差范围 | 第30-31页 |
| 3.4 对综合焦比BP神经网络进行训练并预报综合焦比 | 第31-36页 |
| 3.5 对利用系数BP神经网络进行训练并预报利用系数 | 第36-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 高炉操作决策支持系统设计 | 第41-56页 |
| 4.1 决策支持系统功能结构 | 第41-42页 |
| 4.2 优化配矿高炉操作决策支持系统框图 | 第42-43页 |
| 4.3 功能模块设计 | 第43-52页 |
| 4.3.1 高炉配矿优化模型 | 第43页 |
| 4.3.2 人工神经网络预报综合燃料比模块 | 第43-47页 |
| 4.3.3 变料计算模块 | 第47-50页 |
| 4.3.4 炉渣性能模块 | 第50-51页 |
| 4.3.5 帮助模块 | 第51-52页 |
| 4.4 功能模块界面 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 结论 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录1 攻读硕士学位期间发表的论文 | 第63页 |