精炼炉钢水氧含量预报模型的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·LF炉概述 | 第10-13页 |
| ·氧含量预报的研究现状 | 第13-15页 |
| ·本文所做的工作 | 第15-18页 |
| 第2章 精炼炉脱氧原理 | 第18-28页 |
| ·脱氧的目的和任务 | 第18-20页 |
| ·脱氧前钢液中的氧 | 第18页 |
| ·脱氧的任务和目的 | 第18-20页 |
| ·脱氧的方式 | 第20页 |
| ·元素的脱氧能力 | 第20-21页 |
| ·对脱氧元素的要求 | 第20-21页 |
| ·元素的脱氧能力 | 第21页 |
| ·锰、硅、铝的脱氧 | 第21-23页 |
| ·锰的脱氧 | 第21-22页 |
| ·硅的脱氧 | 第22-23页 |
| ·铝的脱氧 | 第23页 |
| ·脱氧产物 | 第23-25页 |
| ·脱氧产物的组成及其状态 | 第23-24页 |
| ·脱氧产物的排出与钢中的夹杂物 | 第24-25页 |
| ·终点氧含量的组成 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 氧含量预报建模方法研究 | 第28-38页 |
| ·脱氧平衡方程 | 第28页 |
| ·氧含量动态方程 | 第28-35页 |
| ·氧含量变化分析 | 第28-29页 |
| ·氧含量状态方程 | 第29-33页 |
| ·状态方程建模可行性分析 | 第33-35页 |
| ·氧含量预报智能建模方法 | 第35-36页 |
| ·氧含量智能建模原理 | 第35-36页 |
| ·智能建模方法分析 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于RBF网络的氧含量预报模型的建立 | 第38-56页 |
| ·人工神经网络 | 第38-42页 |
| ·人工神经网络概述 | 第38-39页 |
| ·人工神经元及网络类型 | 第39-42页 |
| ·RBF神经网络 | 第42-49页 |
| ·RBF网络的基本结构 | 第42-44页 |
| ·RBF网络的构建和学习方法 | 第44-49页 |
| ·建模原理 | 第49-51页 |
| ·氧含量变化过程分析 | 第50页 |
| ·影响氧含量的主要因素 | 第50-51页 |
| ·RBF网络的建立和训练 | 第51-54页 |
| ·RBF网络结构 | 第51-52页 |
| ·RBF网络的训练 | 第52-53页 |
| ·样本数据的选择和处理 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 氧含量预报模型的仿真 | 第56-64页 |
| ·神经网络工具箱 | 第56-59页 |
| ·算法实现 | 第59-61页 |
| ·仿真结果及其分析 | 第61-64页 |
| 第6章 结论与展望 | 第64-66页 |
| ·结论 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 致谢 | 第68页 |
