密闭鼓风炉熔炼过程烧结块软化点智能集成预测模型的研究
| 第一章 课题的来源及意义 | 第1-11页 |
| 1．1 韶关冶炼厂ISP过程生产概况 | 第6页 |
| 1．2 国内外研究的现状 | 第6-8页 |
| 1．2．1 国外研究的现状 | 第6-7页 |
| 1．2．2 国内研究现状 | 第7-8页 |
| 1．3 课题的提出及研究方法 | 第8-11页 |
| 1．3．1 课题的来源 | 第8页 |
| 1．3．2 课题的提出及意义 | 第8-9页 |
| 1．3．3 课题解决方案 | 第9-11页 |
| 第二章 ISP熔炼过程机理分析 | 第11-15页 |
| 2．1 密闭鼓风炉熔炼过程工艺流程介绍 | 第11-12页 |
| 2．2 熔炼过程简介 | 第12-13页 |
| 2．3 熔炼过程的重要参数 | 第13-14页 |
| 2．4 密闭鼓风炉熔炼过程中存在的一些问题 | 第14-15页 |
| 第三章 软化点集成预测模型 | 第15-41页 |
| 3．1 研究软化点集成预测模型的必要性 | 第15-16页 |
| 3．2 烧结块荷重软化实验 | 第16-19页 |
| 3．3 密闭鼓风炉软化点线性回归预测模型 | 第19-29页 |
| 3．3．1 线性回归分析的基本原理 | 第19-23页 |
| 3．3．2 实验数据分析 | 第23-27页 |
| 3．3．3 回归模型仿真结果 | 第27-29页 |
| 3．4 软化点神经网络预测模型 | 第29-37页 |
| 3．4．1 人工神经网络的基本理论 | 第29-30页 |
| 3．4．2 神经网络的一般框架 | 第30-31页 |
| 3．4．3 人工神经元模型 | 第31-32页 |
| 3．4．4 人工神经网络的构成 | 第32页 |
| 3．4．5 人工神经网络的学习 | 第32-33页 |
| 3．4．6 基于神经网络的系统建模 | 第33-34页 |
| 3．4．7 BP神经网络 | 第34-36页 |
| 3．4．8 软化点神经网络模型的建立 | 第36-37页 |
| 3．5 烧结块软化点与成分的智能集成模型 | 第37-41页 |
| 3．5．1 求最优加权系数K_1的算法 | 第38-39页 |
| 3．5．2 仿真结果 | 第39-41页 |
| 第四章 炉渣熔点预测模型 | 第41-47页 |
| 4．1 影响造渣过程的因素 | 第41-42页 |
| 4．2 密闭鼓风炉渣型实验 | 第42-45页 |
| 4．2．1 实验的目的和意义 | 第42页 |
| 4．2．2 试验方案的选择 | 第42-43页 |
| 4．2．3 实验数据 | 第43-45页 |
| 4．3 密闭鼓风炉渣型预测模型 | 第45-47页 |
| 第五章 系统软件开发与应用 | 第47-52页 |
| 5．1 编程的环境 | 第47页 |
| 5．2 软件总体方案设计 | 第47-48页 |
| 5．3 软件总体流程介绍 | 第48-49页 |
| 5．4 各个子系统功能简介 | 第49-52页 |
| 第六章 结束语 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |
