铁合金冶炼过程能耗监测与分析研究
| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题的来源 | 第8页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·论文选题在该领域国内外发展现状 | 第9-10页 |
| ·本文主要研究内容和创新 | 第10-12页 |
| ·本文研究内容 | 第10-11页 |
| ·本文创新之处 | 第11-12页 |
| 第二章 铁合金冶炼过程工艺分析 | 第12-16页 |
| ·铁合金生产任务 | 第12页 |
| ·铁合金主要生产工艺流程 | 第12-14页 |
| ·铁合金冶炼过程能源消耗概述 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第三章 能耗监测系统 | 第16-34页 |
| ·能耗监测系统方案设计 | 第16-17页 |
| ·能耗监测系统的特点 | 第16页 |
| ·系统的功能 | 第16-17页 |
| ·能耗监测系统硬件设计 | 第17-25页 |
| ·能耗监测系统硬件网络结构 | 第17页 |
| ·系统硬件配置 | 第17-19页 |
| ·系统数据通讯技术 | 第19-22页 |
| ·基于485现场总线和工业以太网的能耗监测系统 | 第22-25页 |
| ·监测系统软件的设计 | 第25-32页 |
| ·监测软件的选择 | 第25-26页 |
| ·能源监测系统功能的实现 | 第26-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 神经网络及遗传算法基础理论 | 第34-44页 |
| ·神经网络概述 | 第34-36页 |
| ·神经网络概念及特点 | 第34页 |
| ·人工神经元 | 第34-36页 |
| ·人工神经网络的类型 | 第36页 |
| ·BP神经网络 | 第36-39页 |
| ·BP网络结构 | 第36-37页 |
| ·BP网络的学习过程 | 第37-38页 |
| ·BP网络的特点 | 第38-39页 |
| ·BP算法的改进 | 第39-40页 |
| ·BP算法的缺点 | 第39页 |
| ·BP网络学习算法的改进 | 第39-40页 |
| ·遗传算法 | 第40-42页 |
| ·遗传算法理论基础及特点 | 第40-42页 |
| ·遗传算法的参数设定 | 第42页 |
| ·遗传算法与BP神经网络的结合 | 第42-43页 |
| ·遗传算法和BP结合的可行性 | 第42-43页 |
| ·遗传算法和BP结合的方式 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 铁合金企业能耗分析 | 第44-58页 |
| ·铁合金企业能耗分析模型的建立 | 第44-47页 |
| ·输入变量的选择 | 第44-45页 |
| ·样本数据预处理 | 第45页 |
| ·基于BP网络的能耗分析模型结构 | 第45-47页 |
| ·能耗分析模型的训练 | 第47-54页 |
| ·采用标准BP算法训练模型 | 第47-48页 |
| ·采用改进的BP算法训练模型 | 第48-50页 |
| ·采用GA-BP算法训练模型 | 第50-54页 |
| ·模型的检测及结果分析 | 第54-55页 |
| ·铁合金冶炼能耗定量分析 | 第55-56页 |
| ·能耗影响因素的PARETO排序 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介 | 第64页 |
| 攻读硕士学位期间研究成果 | 第64-65页 |
