| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题的背景及意义 | 第10页 |
| 1.2 国内外的研究现状 | 第10-12页 |
| 1.3 目前研究存在的问题 | 第12页 |
| 1.4 论文研究的主要内容 | 第12-13页 |
| 第二章 钢铁生产工艺流程介绍 | 第13-17页 |
| 2.1 钢铁生产流程简要介绍 | 第13-15页 |
| 2.1.1 焦化 | 第13页 |
| 2.1.2 烧结 | 第13-14页 |
| 2.1.3 高炉炼铁 | 第14页 |
| 2.1.4 转炉炼钢 | 第14页 |
| 2.1.5 连铸 | 第14页 |
| 2.1.6 轧钢 | 第14-15页 |
| 2.2 高炉煤气系统组成 | 第15-16页 |
| 2.2.1 煤气输送管道 | 第15页 |
| 2.2.2 煤气的发生源 | 第15-16页 |
| 2.2.3 煤气的使用者 | 第16页 |
| 2.2.4 煤气的存储 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 高炉煤气产生机理及预测模型的建立 | 第17-25页 |
| 3.1 高炉煤气产生原理 | 第17-18页 |
| 3.2 高炉煤气的发生特点 | 第18页 |
| 3.3 人工神经网络 | 第18-21页 |
| 3.3.1 BP神经网络模型的概念 | 第19-20页 |
| 3.3.2 反向传播算法的实现 | 第20-21页 |
| 3.4 基于神经网络模型高炉煤气发生量预测 | 第21-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 高炉煤气消耗及其消耗模型的建立 | 第25-46页 |
| 4.1 焦化工序 | 第25-27页 |
| 4.1.1 影响焦化煤气消耗量的主要因素 | 第25页 |
| 4.1.2 焦炉煤气的数据特点及模型选择 | 第25-27页 |
| 4.1.3 焦化工序的线性回归预测建模 | 第27页 |
| 4.2 烧结工序 | 第27-30页 |
| 4.2.1 烧结消耗煤气特点 | 第28页 |
| 4.2.2 指数平滑法 | 第28页 |
| 4.2.3 烧结机煤气消耗量预测仿真 | 第28-30页 |
| 4.3 热轧工序 | 第30-37页 |
| 4.3.1 加热炉的加热制度 | 第30页 |
| 4.3.2 加热炉的煤气消耗特点及模型选择 | 第30-31页 |
| 4.3.3 统计学习理论 | 第31-32页 |
| 4.3.4 支持向量机原理 | 第32-34页 |
| 4.3.5 支持向量回归机 | 第34-35页 |
| 4.3.6 热轧煤气消耗量预测模型 | 第35-37页 |
| 4.4 高炉热风炉 | 第37-45页 |
| 4.4.1 热风炉耗气数值特点 | 第38-39页 |
| 4.4.2 最小二乘支持向量机简介 | 第39-40页 |
| 4.4.3 粒子群算法（Particle Swarm Optimization） | 第40-42页 |
| 4.4.4 粒子群算法的改进 | 第42-43页 |
| 4.4.5 热风炉煤气预测建模 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 高炉煤气预测模块开发 | 第46-53页 |
| 5.1 高炉煤气预测模块的开发要求 | 第46页 |
| 5.2 软件功能的分析 | 第46-47页 |
| 5.3 软件开发平台的选择 | 第47页 |
| 5.4 Matcom与VC6.0 的接口配置 | 第47-48页 |
| 5.5 主界面介绍 | 第48页 |
| 5.6 分界面介绍 | 第48-52页 |
| 5.6.1 OPC接口配置模块 | 第48-49页 |
| 5.6.2 煤气的实时数据显示模块 | 第49页 |
| 5.6.3 曲线的显示界面 | 第49-51页 |
| 5.6.4 建模模块 | 第51-52页 |
| 5.7 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 发表论文和科研情况说明 | 第57-58页 |
| 致谢 | 第58-59页 |