| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·转炉终点碳温控制方法及国内外现状 | 第11-13页 |
| ·转炉终点碳温控制方法 | 第11-12页 |
| ·国外转炉终点控制概况 | 第12页 |
| ·国内转炉终点控制概况 | 第12-13页 |
| ·课题主要研究内容 | 第13-15页 |
| 第二章 建模数据预处理 | 第15-26页 |
| ·数据的异常值剔除及无量纲化处理 | 第16-18页 |
| ·异常数据的剔除 | 第16-17页 |
| ·数据的无量纲化 | 第17-18页 |
| ·数据的特征变量选择 | 第18-20页 |
| ·信息论概况 | 第19-20页 |
| ·二维及三维互信息的转炉应用 | 第20页 |
| ·数据的SOFM聚类及熵值法加权 | 第20-22页 |
| ·SOFM聚类 | 第20-21页 |
| ·熵值法加权 | 第21-22页 |
| ·数据预处理效果分析 | 第22-25页 |
| ·仿真分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 非等间距GM__GRNN组合转炉静态控制模型 | 第26-35页 |
| ·非等间距GM(1,1)的转炉应用 | 第26-29页 |
| ·非等间距GM(1,1) | 第26-28页 |
| ·非等间距GM(1,1)的转炉应用实例 | 第28-29页 |
| ·广义回归神经网络——GRNN | 第29-31页 |
| ·非等间距GM GRNN组合转炉静态模型 | 第31-33页 |
| ·灰色神经网络组合方式 | 第31-32页 |
| ·非等间距GM GRNN组合转炉静态模型 | 第32-33页 |
| ·组合模型计算结果 | 第33页 |
| ·本章小结 | 第33-35页 |
| 第四章 转炉终点碳温的优化控制 | 第35-46页 |
| ·神经网络预测控制概论 | 第35-36页 |
| ·改进的PSO_BP神经网络辨识预测模型 | 第36-43页 |
| ·人工神经网络概况 | 第36-37页 |
| ·误差反传人工神经网络——BP神经网络 | 第37-38页 |
| ·粒子群算法——PSO算法 | 第38-40页 |
| ·基于改进PSO算法的BP碳温双输出辨识模型 | 第40-41页 |
| ·仿真分析 | 第41-43页 |
| ·基于PSO的转炉终点碳温优化控制模型 | 第43-45页 |
| ·基于灰色关联度的性能指标函数 | 第43-44页 |
| ·算法优化的关键问题 | 第44页 |
| ·控制结果分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 转炉终点碳温静态控制模型的软件设计 | 第46-54页 |
| ·软件开发工具及实现方法 | 第46-47页 |
| ·转炉炼钢终点碳温静态控制模型的软件结构 | 第47-53页 |
| ·转炉数据预处理模块 | 第47-48页 |
| ·组合静态模型控制模块 | 第48-50页 |
| ·神经网络预测控制模块 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·全文总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |