| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·本课题的研究目的与意义 | 第9-10页 |
| ·漏钢预报技术发展现状 | 第10-12页 |
| ·基于热交换原理的漏钢预报 | 第10-11页 |
| ·基于热电偶温度监测的漏钢预报 | 第11页 |
| ·基于拉坯阻力分析的漏钢预报 | 第11-12页 |
| ·论文主要研究工作 | 第12页 |
| ·小结 | 第12-13页 |
| 第二章 漏钢事故产生的冶金学原理 | 第13-20页 |
| ·结晶器中铸坯的形成 | 第13-14页 |
| ·粘结漏钢机理和预防措施 | 第14-17页 |
| ·粘结漏钢产生机理 | 第14-16页 |
| ·粘结漏钢预防措施 | 第16-17页 |
| ·纵裂漏钢产生机理和预防措施 | 第17-19页 |
| ·纵裂漏钢产生机理 | 第17-18页 |
| ·纵裂漏钢预防措施 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第三章 结晶器拉坯阻力行为和数学模型 | 第20-32页 |
| ·结晶器拉坯阻力的检测与计算 | 第20-21页 |
| ·检测方法 | 第20-21页 |
| ·计算方法 | 第21页 |
| ·结晶器拉坯阻力行为分析 | 第21-23页 |
| ·正常工作状态下的拉坯阻力行为 | 第22页 |
| ·粘结漏钢的拉坯阻力行为 | 第22-23页 |
| ·纵裂漏钢的拉坯阻力行为 | 第23页 |
| ·结晶器拉坯阻力预测模型 | 第23-31页 |
| ·灰色理论介绍 | 第24-26页 |
| ·RBF神经网络 | 第26-27页 |
| ·灰色-神经网络预测模型实现方法 | 第27-29页 |
| ·仿真实验结果 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第四章 基于经验模态分解的拉坯阻力故障特征提取和识别 | 第32-41页 |
| ·经验模态分解的基本原理 | 第32-36页 |
| ·本征模函数的定义和特点 | 第32-33页 |
| ·经验模态分解的筛选原理 | 第33-36页 |
| ·经验模态分解法的改进 | 第36-37页 |
| ·基于经验模态分解的漏钢征兆提取和识别 | 第37-40页 |
| ·具有征兆信息的特征分量的确定 | 第38页 |
| ·征兆特征的识别和仿真结论 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第五章 基于多工艺参数决策的漏钢预报系统设计和实现 | 第41-49页 |
| ·漏钢预报系统整体设计 | 第41-42页 |
| ·多工艺参数综合决策 | 第42-43页 |
| ·软件实现 | 第43-48页 |
| ·小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 发表论文和科研情况说明 | 第53-54页 |
| 致谢 | 第54页 |