| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 前言 | 第5-8页 |
| 1 文献综述 | 第8-22页 |
| ·铜熔炼过程概述 | 第8-15页 |
| ·铜冶金的现代生产方法 | 第8-10页 |
| ·铜锍吹炼工业应用的主要设备 | 第10-13页 |
| ·现代铜熔炼工艺的现状与展望 | 第13-15页 |
| ·人工智能在有色冶金热工过程中的应用 | 第15-20页 |
| ·人工智能简介 | 第15-18页 |
| ·智能决策支持系统 | 第18-19页 |
| ·人工智能在有色冶金过程中的应用 | 第19-20页 |
| ·课题的意义和研究任务 | 第20-22页 |
| ·课题的意义 | 第20-21页 |
| ·课题的研究任务 | 第21-22页 |
| 2 铜锍吹炼过程 | 第22-32页 |
| ·概述 | 第22页 |
| ·铜锍吹炼过程的理论基础 | 第22-29页 |
| ·铜锍中金属硫化物的氧化 | 第22-25页 |
| ·铜锍吹炼过程主要化学反应及各组分的变化 | 第25-27页 |
| ·铜锍吹炼过程热化学 | 第27页 |
| ·铜锍吹炼过程Fe_3O_4的生成及控制 | 第27-29页 |
| ·铜锍吹炼工业实践 | 第29-31页 |
| ·工业吹炼作业 | 第29-30页 |
| ·吹炼的主要技术经济指标 | 第30-31页 |
| ·小结 | 第31-32页 |
| 3 铜锍P-S转炉吹炼过程物料衡算 | 第32-41页 |
| ·物料分析 | 第32-34页 |
| ·粗铜产量、耗氧量和氧气利用率的计算 | 第34-39页 |
| ·粗铜产量的理论计算 | 第34页 |
| ·耗氧量及全期氧气利用率的计算 | 第34-39页 |
| ·小结 | 第39-41页 |
| 4 铜锍P-S转炉吹炼终点预报模型 | 第41-55页 |
| ·人工神经网络概述 | 第41页 |
| ·铜锍吹炼样本数据预处理 | 第41-45页 |
| ·样本标准化 | 第41-43页 |
| ·样本噪音的过滤 | 第43-45页 |
| ·人工神经网络BP模型及其学习算法 | 第45-48页 |
| ·铜锍吹炼终点预报模型 | 第48-54页 |
| ·铜锍吹炼主成分分析 | 第48-50页 |
| ·铜锍吹炼建模变量的选择 | 第50页 |
| ·隐含层节点数确定的模糊聚类分析法 | 第50-51页 |
| ·终点预报模型结构 | 第51-52页 |
| ·终点预报的实现过程 | 第52-54页 |
| ·小结 | 第54-55页 |
| 5 铜锍P-S转炉吹炼优化操作智能决策与终点预报系统 | 第55-64页 |
| ·软件系统的结构与功能 | 第55-56页 |
| ·造铜期终点预报系统 | 第56-61页 |
| ·数据在线采集 | 第56-57页 |
| ·数据库访问及数据通信技术 | 第57-58页 |
| ·终点预报系统的主要界面及运行 | 第58-61页 |
| ·工业应用实践 | 第61-63页 |
| ·IDSS应用概况 | 第61-62页 |
| ·终点预报的实际效果与分析 | 第62-63页 |
| ·小结 | 第63-64页 |
| 6 结论与建议 | 第64-66页 |
| ·结论 | 第64页 |
| ·建议 | 第64-66页 |
| 附表1 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间发表论文 | 第71-72页 |
| 致谢 | 第72页 |