摘要 | 第1-6页 |
Abstract | 第6-11页 |
1 绪论 | 第11-26页 |
·课题的研究背景和意义 | 第11-12页 |
·转炉炼钢生产过程简介 | 第12-14页 |
·转炉炼钢工艺的发展 | 第12页 |
·转炉炼钢工艺过程 | 第12-14页 |
·转炉炼钢过程模型技术发展与现状 | 第14-21页 |
·机理模型和统计模型 | 第14-16页 |
·基于测量设备的模型 | 第16-17页 |
·人工智能模型 | 第17-21页 |
·人工智能技术在过程工业中应用 | 第21-23页 |
·本文的主要工作及结构安排 | 第23-26页 |
2 基于支持向量机和案例推理的主吹阶段控制模型 | 第26-54页 |
·引言 | 第26-30页 |
·基于支持向量机碱度偏差估计的石灰加入量模型 | 第30-36页 |
·碱度偏差估计模型输入变量的确定 | 第30-32页 |
·支持向量机模型 | 第32-34页 |
·石灰加入量计算模型 | 第34-36页 |
·基于混合相似度的案例推理主吹阶段氧气量模型 | 第36-47页 |
·案例推理方法 | 第37-40页 |
·主吹氧气量的案例推理计算过程 | 第40-47页 |
·案例描述 | 第40-42页 |
·案例检索 | 第42-46页 |
·案例重用和修正 | 第46-47页 |
·案例存储和维护 | 第47页 |
·仿真实验 | 第47-52页 |
·碱度偏差估计模型的建模仿真 | 第47-50页 |
·石灰加入量计算仿真 | 第50-51页 |
·吹氧量计算仿真 | 第51-52页 |
·小结 | 第52-54页 |
3 基于混合智能方法的二吹阶段控制模型 | 第54-74页 |
·引言 | 第54-58页 |
·冷却剂加入量控制 | 第58-63页 |
·基于支持向量机的冷却剂加入决策模型 | 第58-60页 |
·基于支持向量机和案例推理的冷却剂加入量组合模型 | 第60-63页 |
·基于动态案例库和奖惩措施案例检索的案例推理吹氧量模型 | 第63-68页 |
·动态案例库机理分析 | 第63-66页 |
·基于奖惩措施的相似度计算 | 第66-68页 |
·仿真 | 第68-72页 |
·二吹阶段冷却剂加入量计算模型仿真 | 第68-71页 |
·二吹阶段吹氧量计算模型仿真 | 第71-72页 |
·小结 | 第72-74页 |
4 基于支持向量机和微粒群的熔池碳含量和温度预报模型 | 第74-97页 |
·引言 | 第74页 |
·基于支持向量机的终点碳含量和温度预报模型 | 第74-80页 |
·模型建立中存在的问题 | 第75-76页 |
·模型输入变量选择 | 第76-79页 |
·模型的求解和参数的确定 | 第79-80页 |
·基于微粒群和案例推理的熔池碳含量和温度预报模型 | 第80-88页 |
·基于炉气分析和微粒群的主吹阶段熔池碳温度实时预报模型 | 第81-87页 |
·主吹熔池碳含量和温度的建模思路 | 第83-85页 |
·主吹熔池碳含量和温度模型的建立 | 第85-87页 |
·基于案例推理的二吹阶段熔池碳温度实时预报模型 | 第87-88页 |
·主吹阶段碳含量实时预报模型 | 第87页 |
·二吹阶段碳含量实时预报模型 | 第87-88页 |
·仿真 | 第88-96页 |
·转炉炼钢终点碳温预报模型仿真 | 第88-93页 |
·转炉炼钢熔池碳含量和温度的实时预报仿真 | 第93-96页 |
·小结 | 第96-97页 |
5 转炉炼钢智能控制模型的现场测试 | 第97-112页 |
·现场控制系统简介 | 第97-100页 |
·工艺流程 | 第97-98页 |
·测量设备 | 第98-99页 |
·计算机控制系统 | 第99-100页 |
·存在的不足 | 第100页 |
·现场测试内容 | 第100-101页 |
·转炉炼钢二级过程控制系统开发 | 第101-108页 |
·系统总体设计 | 第101-103页 |
·转炉炼钢过程控制模型系统运行过程 | 第103-108页 |
·现场测试 | 第108-112页 |
6 结论与展望 | 第112-114页 |
·结论 | 第112-113页 |
·展望 | 第113-114页 |
参考文献 | 第114-123页 |
攻读博士学位期间发表学术论文 | 第123-124页 |
博士期间参与的项目 | 第124-125页 |
创新点摘要 | 第125-126页 |
致谢 | 第126-127页 |
作者简介 | 第127-128页 |