基于数据驱动的高炉冶炼操作参数优化
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 模式匹配与演化概述及定义 | 第9-10页 |
| 1.2 课题研究背景及意义 | 第10-13页 |
| 1.2.1 课题研究背景 | 第10-12页 |
| 1.2.2 课题研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.4 论文主要内容 | 第17-18页 |
| 2 高炉冶炼过程机理分析 | 第18-29页 |
| 2.1 高炉冶炼工艺流程 | 第18-20页 |
| 2.2 模式匹配与演化参数选取 | 第20-28页 |
| 2.2.1 相关性分析 | 第20-22页 |
| 2.2.2 状态参数 | 第22-23页 |
| 2.2.3 操作参数 | 第23-25页 |
| 2.2.4 工艺指标参数 | 第25-28页 |
| 2.3 小结 | 第28-29页 |
| 3 高炉冶炼操作参数优化框架及数据预处理 | 第29-35页 |
| 3.1 高炉冶炼操作参数优化框架 | 第29-30页 |
| 3.2 高炉冶炼过程数据处理 | 第30-34页 |
| 3.2.1 异常数据的剔除与平滑 | 第30-31页 |
| 3.2.2 数据的时间序列分析处理 | 第31-32页 |
| 3.2.3 优良操作模式库的建立 | 第32页 |
| 3.2.4 数据的规范化处理 | 第32-34页 |
| 3.3 小结 | 第34-35页 |
| 4 高炉冶炼参数优化之操作模式匹配过程 | 第35-44页 |
| 4.1 高炉冶炼过程操作模式多级匹配方法 | 第35-36页 |
| 4.2 操作模式相似性度量方法 | 第36-39页 |
| 4.3 模糊C 均值聚类算法原理 | 第39-41页 |
| 4.4 仿真实验 | 第41-43页 |
| 4.5 小结 | 第43-44页 |
| 5 高炉冶炼参数优化之操作模式演化过程 | 第44-56页 |
| 5.1 高炉冶炼过程工艺指标预测模型 | 第44-49页 |
| 5.1.1 小波神经网络算法原理 | 第45-47页 |
| 5.1.2 工艺指标模型的建立 | 第47-48页 |
| 5.1.3 仿真实验 | 第48-49页 |
| 5.2 高炉冶炼操作参数寻优算法 | 第49-55页 |
| 5.2.1 粒子群寻优算法原理 | 第49-50页 |
| 5.2.2 粒子群算法寻优过程 | 第50-53页 |
| 5.2.3 仿真实验 | 第53-55页 |
| 5.3 小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |
