基于极限学习机的转炉炼钢终点预测模型研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题研究的背景和意义 | 第7页 |
| 1.2 转炉终点控制技术发展现状 | 第7-9页 |
| 1.3 国内外终点控制发展概况 | 第9-10页 |
| 1.4 论文研究内容与结构安排 | 第10-12页 |
| 第二章 转炉炼钢工艺制度流程和机理模型 | 第12-24页 |
| 2.1 转炉炼钢的基本任务 | 第12-13页 |
| 2.2 转炉炼钢的工艺制度 | 第13-14页 |
| 2.3 转炉炼钢的工艺流程 | 第14-15页 |
| 2.4 转炉炼钢机理模型 | 第15-23页 |
| 2.4.1 物料平衡计算 | 第15-19页 |
| 2.4.2 热平衡计算 | 第19-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 数据的预处理与特征选择 | 第24-34页 |
| 3.1 异常数据的剔除与补全 | 第24-26页 |
| 3.2 数据归一化 | 第26-27页 |
| 3.3 数据的特征提取 | 第27-33页 |
| 3.3.1 灰色关联分析理论 | 第27-29页 |
| 3.3.2 转炉炼钢数据灰色关联度计算 | 第29-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 终点控制预测模型研究与比较 | 第34-56页 |
| 4.1 人工神经网络 | 第34页 |
| 4.2 神经网络结构 | 第34-36页 |
| 4.3 BP神经网络建模 | 第36-44页 |
| 4.3.1 BP神经网络算法 | 第36-37页 |
| 4.3.2 BP神经网络的建模仿真 | 第37-39页 |
| 4.3.3 BP神经网络优点和缺陷 | 第39页 |
| 4.3.4 粒子群算法对BP神经网络的优化 | 第39-44页 |
| 4.4 极限学习机预测模型建立与仿真 | 第44-55页 |
| 4.4.1 极限学习机 | 第44-47页 |
| 4.4.2 极限学习机预测模型建立 | 第47-48页 |
| 4.4.3 差分进化算法 | 第48-50页 |
| 4.4.4 差分进化算法与粒子群算法混合 | 第50-52页 |
| 4.4.5 建立优化的ELM预测模型 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56-57页 |
| 5.2 研究展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间的研究成果 | 第62页 |
