| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11页 |
| 1.2 高炉内衬侵蚀的研究现状 | 第11-14页 |
| 1.2.1 高炉内衬侵蚀的检测技术现状 | 第11-12页 |
| 1.2.2 内衬侵蚀分析模型的基本类型 | 第12-14页 |
| 1.3 神经网络法在高炉生产上的应用 | 第14-15页 |
| 1.4 本课题的研究内容 | 第15-17页 |
| 第2章 神经网络法的基本理论 | 第17-31页 |
| 2.1 人工神经网络基础知识 | 第17-22页 |
| 2.1.1 神经网络法的发展历程 | 第17-18页 |
| 2.1.2 神经网络的优点及功能 | 第18-19页 |
| 2.1.3 神经网络的基本工作原理 | 第19-20页 |
| 2.1.4 神经网络的结构 | 第20-21页 |
| 2.1.5 神经网络的学习算法 | 第21-22页 |
| 2.2 BP神经网络 | 第22-27页 |
| 2.2.1 BP神经网络及函数逼近 | 第22-23页 |
| 2.2.2 BP神经网络学习算法 | 第23-25页 |
| 2.2.3 BP神经网络的设计原则 | 第25-26页 |
| 2.2.4 BP神经网络结构参数设计 | 第26-27页 |
| 2.3 神经网络与本课题的相关性及应用 | 第27-31页 |
| 2.3.1 神经网络求解传热反问题的可行性 | 第27-28页 |
| 2.3.2 基于神经网络的传热反问题研究 | 第28页 |
| 2.3.3 MATLAB神经网络工具箱 | 第28-31页 |
| 第3章 炉缸内衬侵蚀形貌样本库的建立 | 第31-45页 |
| 3.1 概述 | 第31页 |
| 3.2 传热方程及其选择 | 第31-32页 |
| 3.3 二维法的技术类型及选择 | 第32-34页 |
| 3.4 炉缸炉底二维模型的建立 | 第34-36页 |
| 3.4.1 炉缸炉底模型的简化处理 | 第34页 |
| 3.4.2 炉缸横截面侵蚀模型的建立 | 第34-35页 |
| 3.4.3 炉缸炉底轴截面侵蚀模型的建立 | 第35-36页 |
| 3.5 二维侵蚀边界的几何构造 | 第36-38页 |
| 3.5.1 边界构造的基本原理 | 第36页 |
| 3.5.2 侵蚀边界多样性,完备性,典型性的构造 | 第36-38页 |
| 3.6 炉缸二维传热的有限元法 | 第38-39页 |
| 3.7 ANSYS有限元分析 | 第39-41页 |
| 3.7.1 ANSYS有限元分析步骤 | 第39-40页 |
| 3.7.2 APDL语言 | 第40-41页 |
| 3.8 炉缸横截面与轴截面模型温度场的自动求解 | 第41-45页 |
| 3.8.1 炉缸内衬温度场有限元求解的APDL参数化设计 | 第41页 |
| 3.8.2 炉缸内衬侵蚀温度场的有限元求解结果 | 第41-45页 |
| 第4章 神经网络的训练 | 第45-63页 |
| 4.1 概述 | 第45-46页 |
| 4.2 网络训练过程中几种方法的试验和对比 | 第46-51页 |
| 4.2.1 数据样本构建时两种方法的对比 | 第46-49页 |
| 4.2.2 建立网络时两种不同训练函数的对比 | 第49-51页 |
| 4.3 炉缸炉底轴截面神经网络的训练 | 第51-54页 |
| 4.4 神经网络的仿真 | 第54-63页 |
| 4.4.1 炉缸横截面侵蚀边界的仿真 | 第54-58页 |
| 4.4.2 炉缸炉底轴截面侵蚀边界的仿真 | 第58-63页 |
| 第5章 神经网络法的数值验证 | 第63-71页 |
| 5.1 侵蚀形貌的预测 | 第63-69页 |
| 5.1.1 炉缸横截面侵蚀形貌的预测 | 第63-66页 |
| 5.1.2 炉缸炉底轴截面侵蚀形貌的预测 | 第66-69页 |
| 5.2 神经网络法的数值验证 | 第69-71页 |
| 5.2.1 炉缸横截面神经网络的数值验证 | 第69-70页 |
| 5.2.2 炉缸炉底轴截面神经网络的数值验证 | 第70-71页 |
| 第6章 结论与展望 | 第71-73页 |
| 6.1 结论 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 附录1 | 第79-85页 |
| 附录2 | 第85-89页 |
| 附录3 | 第89-91页 |
| 附录4 | 第91-95页 |
| 附录5 | 第95-97页 |
| 附录6 | 第97-98页 |