| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| 1． 1 连铸过程的概况与发展 | 第8-9页 |
| 1． 2 连铸结晶器传热的特点及研究意义 | 第9页 |
| 1． 3 结晶器传热的影响因素 | 第9-11页 |
| 1． 4 连铸结晶器过程分析和异常状态检测研究的现状 | 第11-12页 |
| 1． 5 多变量统计方法在连铸过程的应用现状 | 第12-13页 |
| 1． 6 本论文主要内容 | 第13-14页 |
| 2 圆坯连铸结晶器实测热流数据分析 | 第14-22页 |
| 2． 1 引言 | 第14页 |
| 2． 2 研究方法 | 第14-16页 |
| 2． 2． 1 平均热流计算方法 | 第14-15页 |
| 2． 2． 2 局部热流检测与计算方法 | 第15-16页 |
| 2． 3 温度、热流检测结果及数据分析 | 第16-21页 |
| 2． 3． 1 圆坯结晶器热流分布特征 | 第16-17页 |
| 2． 3． 1． 1 结晶器热流沿纵向分布 | 第16页 |
| 2． 3． 1． 2 结晶器热流沿周向分布 | 第16-17页 |
| 2． 3． 2 热流影响因素分析 | 第17-20页 |
| 2． 3． 2． 1 拉速对热流的影响 | 第17-18页 |
| 2． 3． 2． 2 电磁搅拌电流对结晶器热流的影响 | 第18-19页 |
| 2． 3． 2． 3 弯月面波动对结晶器热流的影响 | 第19-20页 |
| 2． 3． 3 数据结果分析 | 第20-21页 |
| 2． 3． 3． 1 局部热流(高热流区热流)与平均热流的关系 | 第20-21页 |
| 2． 3． 3． 2 高热流区热流与坯壳厚度的关系 | 第21页 |
| 2． 4 本章小结 | 第21-22页 |
| 3 多变量统计方法在连铸过程中应用的研究 | 第22-30页 |
| 3． 1 引言 | 第22页 |
| 3． 2 故障检测的多变量性质 | 第22-24页 |
| 3． 3 连铸结晶器过程数据的特征 | 第24页 |
| 3． 4 数学模型的推导 | 第24-27页 |
| 3． 4． 1 关键因素分析方法的模型 | 第24-25页 |
| 3． 4． 2 基于关键因素分析的故障检测 | 第25-27页 |
| 3． 4． 3 基于关键因素分析的故障诊断 | 第27页 |
| 3． 5 过程变量参数的选择 | 第27页 |
| 3． 6 简化模型的具体算法 | 第27-29页 |
| 3． 7 本章小结 | 第29-30页 |
| 4 连铸结晶器应用PCA方法的异常分析 | 第30-37页 |
| 4． 1 引言 | 第30页 |
| 4． 2 单变量统计方法异常分析 | 第30-31页 |
| 4． 3 PCA方法异常检测的结果 | 第31-34页 |
| 4． 3． 1 摩擦力为主要影响因素的异常情况 | 第32-33页 |
| 4． 3． 2 拉速为主要影响因素的异常情况 | 第33页 |
| 4． 3． 3 浇注温度为主要影响因素的异常情况 | 第33-34页 |
| 4． 4 单变量统计与多变量统计分析结果的比较 | 第34-36页 |
| 4． 5 本章小结 | 第36-37页 |
| 5 基于神经元网络的PCA方法的研究 | 第37-48页 |
| 5． 1 引言 | 第37页 |
| 5． 2 输入训练神经网络 | 第37-39页 |
| 5． 3 基于神经元网络的PCA方法 | 第39-40页 |
| 5． 4 残余值计算的动态神经元网络 | 第40-42页 |
| 5． 5 残余量估计的PCA控制图 | 第42-44页 |
| 5． 6 仿真实例分析 | 第44-47页 |
| 5． 7 本章小结 | 第47-48页 |
| 6 结论与进一步工作的建议 | 第48-50页 |
| 6． 1 结论 | 第48-49页 |
| 6． 1． 1 圆坯连铸结晶器热流研究部分 | 第48页 |
| 6． 1． 2 多变量统计方法在连铸结晶器过程检测的应用研究部分 | 第48-49页 |
| 6． 2 建议 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士学位期间发表的论文 | 第53-54页 |
| 致谢 | 第54-55页 |
