基于机尾断面图像和风箱温度的烧结质量等级在线评测系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 引言 | 第9-18页 |
| ·研究背景 | 第9-10页 |
| ·烧结工艺过程 | 第10-11页 |
| ·研究现状与进展 | 第11-15页 |
| ·基于生产状态参数的模糊控制法 | 第11-12页 |
| ·判断烧结终点(BTP)位置 | 第12-13页 |
| ·对FeO含量的监测 | 第13-14页 |
| ·各方法的比较 | 第14-15页 |
| ·论文研究内容 | 第15-16页 |
| ·论文创新部分 | 第16页 |
| ·本章小结 | 第16-18页 |
| 第二章 机尾断面和风箱温度的结合 | 第18-33页 |
| ·机尾断面图像的预处理 | 第18-22页 |
| ·断面图像的灰度化 | 第18-19页 |
| ·灰度图像的二值化 | 第19-21页 |
| ·二值图像轮廓的平滑 | 第21-22页 |
| ·自动获取断面最佳观察图像 | 第22-24页 |
| ·自动获取断面最佳观察图像的必要性和规则 | 第22-23页 |
| ·自动获取断面最佳观察图像的数学计算 | 第23-24页 |
| ·对机尾断面的研究 | 第24-30页 |
| ·经验特征 | 第24-27页 |
| ·经验特征的数值化提取 | 第27-30页 |
| ·对风箱温度的研究 | 第30-32页 |
| ·引入风箱温度的必要性 | 第30-31页 |
| ·风箱位置的选择 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 改进的BP神经网络 | 第33-42页 |
| ·传统BP神经网络 | 第34-38页 |
| ·模拟退火算法 | 第38-40页 |
| ·物理学中的退火 | 第38-39页 |
| ·模式识别中的模拟退火算法 | 第39-40页 |
| ·改进的BP神经网络 | 第40-41页 |
| ·本章总结 | 第41-42页 |
| 第四章 系统架构与实施流程 | 第42-46页 |
| ·硬件选择 | 第42-44页 |
| ·机尾图像采集系统 | 第42-43页 |
| ·风箱温度采集系统 | 第43-44页 |
| ·软件实施 | 第44-45页 |
| ·具体实施过程 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第五章 评测软件实例与评测结果 | 第46-58页 |
| ·宝钢现场安装的软件示例及功能介绍 | 第46-49页 |
| ·软件界面介绍 | 第46-47页 |
| ·软件功能介绍 | 第47-49页 |
| ·评测结果并分析 | 第49-54页 |
| ·评测结果对比 | 第49-52页 |
| ·评测数据分析 | 第52-54页 |
| ·对停机状况的监测和报警 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-64页 |
| 攻读硕士期间发表的学术论文 | 第64页 |
