LF炉实验平台终点温度控制系统设计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题的背景及意义 | 第11-12页 |
| 1.2 炼钢-精炼-连铸工艺流程 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-19页 |
| 1.3.1 钢铁流程综合自动化研究平台 | 第14-16页 |
| 1.3.2 LF炉终点温度控制 | 第16-19页 |
| 1.4 课题主要研究内容 | 第19-21页 |
| 第2章 LF炉实验研究平台控制系统设计 | 第21-35页 |
| 2.1 炼钢-精炼-连铸综合自动化实验研究平台 | 第21-24页 |
| 2.1.1 实验研究平台结构 | 第21-22页 |
| 2.1.2 控制系统网络连接 | 第22-24页 |
| 2.2 LF炉模拟实物平台控制设计 | 第24-28页 |
| 2.2.1 LF炉模拟实物平台 | 第24-26页 |
| 2.2.2 LF炉PLC程序设计 | 第26-27页 |
| 2.2.3 WinCC监控界面设计 | 第27-28页 |
| 2.3 LF炉模拟实物与虚拟现实平台通讯 | 第28-34页 |
| 2.3.1 虚拟现实平台及其通讯 | 第28-30页 |
| 2.3.2 OPC通讯 | 第30-31页 |
| 2.3.3 KEPserver配置 | 第31-32页 |
| 2.3.4 基于VS的通讯转换平台 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于BP神经网络的LF炉终点温度预报 | 第35-49页 |
| 3.1 建立预报模型思路 | 第35-37页 |
| 3.1.1 LF炉精炼能量分析 | 第35-36页 |
| 3.1.2 LF炉机理模型与神经网络模型 | 第36页 |
| 3.1.3 BP神经网络建模思路 | 第36-37页 |
| 3.2 数据样本筛选与预处理 | 第37-40页 |
| 3.2.1 影响因素的分析 | 第37-38页 |
| 3.2.2 数据样本的筛选 | 第38-39页 |
| 3.2.3 数据归一化处理 | 第39-40页 |
| 3.3 建立LF炉终点温度预报模型 | 第40-46页 |
| 3.3.1 BP神经网络的原理 | 第40页 |
| 3.3.2 BP神经网络的设计 | 第40-42页 |
| 3.3.3 BP神经网络建立和训练 | 第42-45页 |
| 3.3.4 BP神经网络的验证及误差分析 | 第45-46页 |
| 3.4 LF炉终点温度预报平台 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于模糊算法的LF炉终点温度控制研究 | 第49-75页 |
| 4.1 LF炉终点温度控制基础 | 第49-54页 |
| 4.1.1 分步控制终点温度方案 | 第49-50页 |
| 4.1.2 过程机理模型 | 第50-51页 |
| 4.1.3 LF炉电气特性与供电曲线 | 第51-54页 |
| 4.2 模糊控制 | 第54-57页 |
| 4.2.1 模糊控制结构 | 第54-55页 |
| 4.2.2 模糊控制的知识库和规则库 | 第55页 |
| 4.2.3 精确量的模糊化 | 第55-56页 |
| 4.2.4 模糊推理 | 第56页 |
| 4.2.5 模糊输出量的精确化 | 第56-57页 |
| 4.3 基于机理与神经网络预报模型的初步控制 | 第57-64页 |
| 4.3.1 终点温度控制结构 | 第57-58页 |
| 4.3.2 预设定模型 | 第58页 |
| 4.3.3 供电量模糊校正设计 | 第58-62页 |
| 4.3.4 供电策略和终点时间的修正 | 第62-64页 |
| 4.4 基于终点预报模型的过程控制 | 第64-71页 |
| 4.4.1 过程校正温度结构 | 第64-65页 |
| 4.4.2 温度模糊校正设计 | 第65-68页 |
| 4.4.3 时间修正 | 第68页 |
| 4.4.4 仿真研究 | 第68-71页 |
| 4.5 LF炉终点温度控制研究平台 | 第71-73页 |
| 4.6 本章小结 | 第73-75页 |
| 第5章 结论与展望 | 第75-77页 |
| 5.1 结论 | 第75页 |
| 5.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
