| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8页 |
| 1.2 转炉煤气回收与净化除尘技术发展历史与趋势 | 第8-10页 |
| 1.3 转炉煤气回收与净化除尘技术研究现状 | 第10-11页 |
| 1.4 神经网络技术的研究现状 | 第11-12页 |
| 1.5 系统辨识的研究现状 | 第12-14页 |
| 1.6 课题来源及主要研究工作 | 第14-16页 |
| 第二章 转炉煤气干法除尘工艺分析与控制系统设计 | 第16-23页 |
| 2.1 转炉烟气净化处理方法 | 第16页 |
| 2.2 LT除尘工艺流程 | 第16-18页 |
| 2.3 LT系统主要设备 | 第18-21页 |
| 2.3.1 蒸发冷却器(EC) | 第18-19页 |
| 2.3.2 静电除尘器(EP) | 第19-20页 |
| 2.3.3 其他设备 | 第20-21页 |
| 2.4 烟气温度控制要求分析 | 第21页 |
| 2.5 烟气温度控制特性分析 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于RBF神经网络参数整定的PID控制器设计 | 第23-40页 |
| 3.1 神经网络简介 | 第23-25页 |
| 3.1.1 神经元及网络结构模型 | 第23-25页 |
| 3.1.2 神经网络学习方法 | 第25页 |
| 3.2 RBF神经网络 | 第25-27页 |
| 3.3 RBF神经网络训练算法 | 第27-31页 |
| 3.3.1 RBF神经网络隐含层节点数的优化 | 第28-31页 |
| 3.3.2 RBF神经网络隐含层数据中心的优化 | 第31页 |
| 3.3.3 RBF神经网络Gaussian函数基宽度和连接权值的更新 | 第31页 |
| 3.4 基于RBF神经网络的PID参数整定 | 第31-37页 |
| 3.4.1 PID控制器数字化算法 | 第32-33页 |
| 3.4.2 PID控制器参数整定方法 | 第33-37页 |
| 3.4.2.1 ZN临界比例法 | 第33-34页 |
| 3.4.2.2 内模PID控制器参数整定[35] | 第34页 |
| 3.4.2.3 RBF神经网络PID控制器参数整定 | 第34-37页 |
| 3.5 仿真研究 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于RBF神经网络的辨识器设计 | 第40-52页 |
| 4.1 系统辨识基本理论 | 第40-41页 |
| 4.2 辨识算法 | 第41-44页 |
| 4.2.1 最小二乘递推辨识算法 | 第41-43页 |
| 4.2.2 遗忘因子最小二乘递推辨识算法 | 第43-44页 |
| 4.3 基于RBF神经网络自适应辨识器设计 | 第44-51页 |
| 4.3.1 辨识模型参数校正 | 第45-47页 |
| 4.3.2 仿真研究 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 LT除尘烟气温度控制系统仿真 | 第52-56页 |
| 5.1 基于RBF神经网络辨识器的模型参数估计 | 第52-53页 |
| 5.2 基于RBF神经网络的烟气温度控制算法仿真 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 转炉烟气干法除尘温度控制系统实现 | 第56-68页 |
| 6.1 PCS7开发平台 | 第56-57页 |
| 6.2 LT除尘控制系统设计开发 | 第57-65页 |
| 6.2.1 控制系统架构 | 第57-60页 |
| 6.2.1.1 检测、控制项目 | 第57-58页 |
| 6.2.1.2 上位机监控系统设置 | 第58-59页 |
| 6.2.1.3 网络构架 | 第59-60页 |
| 6.2.2 应用软件设计 | 第60-65页 |
| 6.2.2.1 现场控制器应用程序设计 | 第60-61页 |
| 6.2.2.2 监控画面组态设计 | 第61-65页 |
| 6.3 工程应用 | 第65-66页 |
| 6.4 本章小结 | 第66-68页 |
| 第七章 总结与展望 | 第68-70页 |
| 7.1 全文总结 | 第68页 |
| 7.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 附录A 部分辨识数据 | 第73-74页 |
| 附录B 插图清单 | 第74-75页 |
| 附录C 附表清单 | 第75-76页 |
| 在学研究成果 | 第76-77页 |
| 致谢 | 第77页 |
