| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-26页 |
| ·连续铸钢工艺概况 | 第10-12页 |
| ·连续铸钢发展历史和现状 | 第10-11页 |
| ·我国连续铸钢技术发展 | 第11-12页 |
| ·连铸二冷配水控制技术的研究现状 | 第12-15页 |
| ·连铸二次冷却的重要性 | 第12页 |
| ·板坯连铸二次冷却冶金原则 | 第12-13页 |
| ·连铸二冷控制与优化技术现状 | 第13-15页 |
| ·人工智能相关技术发展及在动态配水与优化中的应用 | 第15-24页 |
| ·神经网络理论及发展 | 第15-17页 |
| ·模糊控制系统理论及发展 | 第17-18页 |
| ·模糊神经网络方法的理论及特点 | 第18-19页 |
| ·遗传算法方法的发展 | 第19-21页 |
| ·人工智能技术在二冷动态配水与优化中应用 | 第21-24页 |
| ·研究背景与研究内容 | 第24-25页 |
| ·研究背景与意义 | 第24页 |
| ·研究内容 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 2 水量动态控制基础的凝固传热数学模型 | 第26-33页 |
| ·一维凝固传热数学模型 | 第26-27页 |
| ·模型基本假设 | 第26页 |
| ·模型初始条件和边界条件 | 第26-27页 |
| ·二维凝固传热数学模型 | 第27-29页 |
| ·连铸板坯切片跟踪模型 | 第27-28页 |
| ·模型初始条件和边界条件 | 第28-29页 |
| ·物性参数的选择及处理 | 第29-31页 |
| ·凝固传热数学模型的求解 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于遗传算法的板坯连铸二冷配水优化方法 | 第33-43页 |
| ·基于遗传算法的二冷配水优化方法研究 | 第33-39页 |
| ·基于冶金准则的优化目标设计 | 第33-34页 |
| ·初始水量的分配 | 第34-35页 |
| ·基于遗传算法的二冷配水优化模型的建立 | 第35页 |
| ·基于遗传算法的二冷配水优化方法的实现 | 第35-39页 |
| ·基于改进遗传优化算法研究 | 第39-42页 |
| ·基于小生境技术的遗传算法 | 第40-41页 |
| ·小生境遗传算法的实现 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 基于模糊逻辑的板坯二冷动态配水模型与优化方法研究 | 第43-49页 |
| ·二次冷却静态配水数学模型的建立 | 第43-44页 |
| ·基于模糊逻辑的二冷动态配水控制模型研究 | 第44-48页 |
| ·基于模糊逻辑的二冷动态配水模型的建立 | 第44-45页 |
| ·基于模糊逻辑的二冷动态配水模型的实现 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于神经网络的板坯连铸二冷水动态控制与优化研究 | 第49-58页 |
| ·基于神经网络的二冷动态配水模型的建立 | 第49-51页 |
| ·基于神经网络的二冷段配水模型提出 | 第49-50页 |
| ·智能控制模型的建立 | 第50-51页 |
| ·基于BP 神经网络的二冷段温度预测模型的研究 | 第51-54页 |
| ·基于BP 神经网络的二冷段温度预测模型结构 | 第51-52页 |
| ·基于BP 神经网络的二冷段温度预测模型算法描述 | 第52-54页 |
| ·基于模糊神经网络的二冷动态配水模型研究 | 第54-56页 |
| ·基于模糊神经网络的二冷动态配水模型设计 | 第54-55页 |
| ·模糊神经网络的算法描述 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 6 连铸二冷动态配水模型软件的开发 | 第58-68页 |
| ·模型软件的功能与结构设计 | 第58-60页 |
| ·模型软件的功能设计 | 第58-59页 |
| ·模型软件的结构设计 | 第59-60页 |
| ·模型软件的输入输出与界面设计 | 第60-65页 |
| ·模型软件的输入输出设计 | 第60-63页 |
| ·模型软件的主要输入输出界面设计 | 第63-65页 |
| ·模型软件的程序实现与可视化表达 | 第65-67页 |
| ·模型软件的程序流程设计 | 第65页 |
| ·模型软件的可视化表达 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 7 连铸二冷动态配水模型软件的测试及应用 | 第68-86页 |
| ·凝固传热数学模型的测试 | 第68-71页 |
| ·凝固传热数学模型的测试方法 | 第68-70页 |
| ·凝固传热数学模型的在线测试结果 | 第70-71页 |
| ·遗传算法对水量的优化测试 | 第71-76页 |
| ·遗传算法对水量的测试结果 | 第71-74页 |
| ·改进遗传算法对水量优化测试结果 | 第74-76页 |
| ·神经网络对温度的预测测试结果 | 第76-78页 |
| ·模糊控制器对水量的动态分配测试结果 | 第78-81页 |
| ·模糊神经网络控制器对水量的动态分配测试结果 | 第81-83页 |
| ·智能控制模型对水量的动态分配测试结果 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 8 结论与展望 | 第86-88页 |
| ·结论 | 第86-87页 |
| ·展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 附录 A 试验数据 | 第94-96页 |
| 附录 B | 第96页 |