加热炉模型参数校正及炉温优化方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 加热炉生产工艺简介 | 第11-13页 |
| 1.3 钢坯温度预报模型以及炉温优化设定研究现状 | 第13-14页 |
| 1.4 本文主要工作 | 第14-16页 |
| 第2章 基于总括热吸收率的钢温预报模型 | 第16-38页 |
| 2.1 钢坯温度预报模型的机理分析 | 第16-19页 |
| 2.2 钢坯温度模型的建立 | 第19-25页 |
| 2.2.1 钢坯内部传热模型 | 第20-21页 |
| 2.2.2 加热炉对钢坯传热模型 | 第21-22页 |
| 2.2.3 钢坯温度模型的改进 | 第22页 |
| 2.2.4 钢坯温度预报模型的离散与求解 | 第22-25页 |
| 2.3 基于微粒群算法的总括热吸收率辨识 | 第25-30页 |
| 2.3.1 微粒群算法的基本原理及优点 | 第26-28页 |
| 2.3.2 微粒群算法在总括热吸收率辨识上的应用 | 第28-30页 |
| 2.4 模型仿真与结果分析 | 第30-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第3章 总括热吸收率在线校正 | 第38-56页 |
| 3.1 模糊推理的理论概述 | 第38-43页 |
| 3.1.1 模糊理论的数学基础 | 第38-40页 |
| 3.1.2 模糊推理系统 | 第40-43页 |
| 3.2 基于模糊推理的总括热吸收率在线校正 | 第43-46页 |
| 3.2.1 总括热吸收率在线校正流程 | 第43-44页 |
| 3.2.2 模糊推理系统设计 | 第44-46页 |
| 3.2.3 校正值的分配 | 第46页 |
| 3.3 仿真研究与结果分析 | 第46-53页 |
| 3.3.1 末段校正效果 | 第47-50页 |
| 3.3.2 基于过程监测的校正效果 | 第50-53页 |
| 3.4 本章小结 | 第53-56页 |
| 第4章 基于迭代学习控制的炉温优化设定 | 第56-72页 |
| 4.1 迭代学习的研究现状和基本原理 | 第56-60页 |
| 4.1.1 迭代学习的研究现状 | 第56-57页 |
| 4.1.2 迭代学习控制的原理 | 第57-59页 |
| 4.1.3 迭代学习控制的流程 | 第59页 |
| 4.1.4 开闭环迭代学习控制算法 | 第59-60页 |
| 4.2 加热炉炉温优化设定 | 第60-65页 |
| 4.2.1 单坯最优炉温设定 | 第60-62页 |
| 4.2.2 单坯炉温动态补偿 | 第62-64页 |
| 4.2.3 段内炉温的综合补偿 | 第64-65页 |
| 4.3 炉温优化的仿真与结果分析 | 第65-70页 |
| 4.4 本章小结 | 第70-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
