基于神经网络的电弧炉电流预测模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·电弧炉炼钢的发展 | 第9页 |
| ·电弧炉炼钢的特点 | 第9页 |
| ·电弧炉炼钢原理 | 第9-10页 |
| ·电弧炉炼钢研究现状和发展趋势 | 第10-11页 |
| ·现代电弧炉炼钢技术 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 电弧炉炼钢工艺与设备 | 第13-20页 |
| ·电弧炉炼钢工艺 | 第13页 |
| ·电弧炉炼钢工艺对电极调节器的要求 | 第13-14页 |
| ·电弧炉炼钢的设备 | 第14-18页 |
| ·电弧炉炼钢的机械设备 | 第15-16页 |
| ·电弧炉炼钢的电气设备 | 第16-17页 |
| ·液压及气动设备 | 第17-18页 |
| ·液压式电极调节系统的结构和工作原理 | 第18-19页 |
| ·液压式电极调节系统的结构 | 第18页 |
| ·液压式电极调节系统的调节原理 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 电弧炉总体控制方案的设计 | 第20-28页 |
| ·电弧炉电极控制方法及存在的问题 | 第20-23页 |
| ·电弧炉电极的控制方法 | 第20-21页 |
| ·电弧炉电极传统控制存在的问题及国内外发展现状 | 第21-23页 |
| ·神经网络在电弧炉中的应用 | 第23-24页 |
| ·智能控制的确定原则 | 第24-26页 |
| ·控制方式的选择原则 | 第25页 |
| ·智能控制所需技术的选择原则 | 第25-26页 |
| ·智能控制形式的选择原则 | 第26页 |
| ·控制策略的选择原则 | 第26页 |
| ·总体控制方案的确定 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 电参数的数据采集系统 | 第28-41页 |
| ·电参数的瞬时值检测及有效计算 | 第28-29页 |
| ·数据采集的硬件设计方案 | 第29-35页 |
| ·电压和电流互感器 | 第29-30页 |
| ·模拟滤波电路 | 第30-32页 |
| ·数字信号调理电路 | 第32-33页 |
| ·数据采集模块的设计 | 第33-35页 |
| ·数据采集的软件实现部分 | 第35-39页 |
| ·数据采集方式 | 第35-36页 |
| ·数据采集流程 | 第36页 |
| ·数据采集的软件实现方法 | 第36-39页 |
| ·上位机接收程序 | 第39页 |
| ·系统接地及屏蔽技术 | 第39-40页 |
| ·系统接地技术 | 第39-40页 |
| ·系统屏蔽技术 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第五章 神经网络电流预测模型的研究 | 第41-53页 |
| ·神经网络概述 | 第41-42页 |
| ·人工神经网络的特性 | 第42-43页 |
| ·BP神经网络的结构 | 第43-46页 |
| ·PB神经网络的正向传播计算 | 第44-45页 |
| ·神经网络反向传播计算 | 第45页 |
| ·BP人工神经网络的工作过程 | 第45-46页 |
| ·BP神经网络的优缺点 | 第46-47页 |
| ·多层前向BP网络的优点 | 第46页 |
| ·多层前向BP网络的缺点 | 第46-47页 |
| ·BP学习算法的改进方法 | 第47页 |
| ·基于BP神经网络的电极调节器 | 第47-52页 |
| ·建立BP神经网络模型 | 第47-48页 |
| ·试验数据 | 第48-49页 |
| ·自适应变步长算法的提出 | 第49-50页 |
| ·神经网络设计 | 第50-51页 |
| ·预报结果与讨论 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结束语 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 发表论文和科研情况说明 | 第56-57页 |
| 致谢 | 第57页 |
