高炉铁水硅含量预报模型的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 文献综述 | 第8-25页 |
| ·高炉过程的控制现状 | 第8-11页 |
| ·高炉过程的特点 | 第8-10页 |
| ·高炉过程的控制现状 | 第10-11页 |
| ·人工神经网络概述 | 第11-16页 |
| ·人工神经网络的发展 | 第12-13页 |
| ·人工神经网络的特点 | 第13-14页 |
| ·人工神经网络模型 | 第14-16页 |
| ·人工神经网络在高炉过程的应用现状 | 第16-21页 |
| ·国外高炉过程人工神经网络应用现状 | 第16-17页 |
| ·国内高炉过程人工神经网络应用现状 | 第17-19页 |
| ·人工神经网络在钢铁工业其他领域的应用 | 第19-21页 |
| ·高炉内硅还原的机理 | 第21-23页 |
| ·论文主要研究内容 | 第23-25页 |
| ·选题的目的和意义 | 第23-24页 |
| ·论文主要研究内容 | 第24-25页 |
| 第二章 高炉铁水硅含量的预报方法与控制策略 | 第25-32页 |
| ·高炉铁水硅含量预报的必要性 | 第25-26页 |
| ·预报方法的研究 | 第26-29页 |
| ·铁水硅含量的控制策略 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 铁水硅含量预报模型的研究 | 第32-38页 |
| ·BP网络的基本原理 | 第32-33页 |
| ·拓扑结构的研究 | 第33-36页 |
| ·BP算法的缺陷及改进 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 预报模型的建立 | 第38-44页 |
| ·输出输入参数的选择与确定 | 第38页 |
| ·数据的采集与处理 | 第38-40页 |
| ·网络拓扑结构的选择 | 第40-41页 |
| ·BP算法的改进 | 第41-42页 |
| ·网络的确定 | 第42页 |
| ·模型的检验 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 系统的实现与应用 | 第44-51页 |
| ·程序设计方法 | 第44-47页 |
| ·基于面向对象的程序设计方法 | 第44页 |
| ·面向对象程序设计的特点 | 第44-45页 |
| ·MATLAB与VC++的混合编程 | 第45-47页 |
| ·数据库的开发 | 第47页 |
| ·系统的结构与功能 | 第47-50页 |
| ·系统的结构 | 第47-48页 |
| ·系统的运行 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 结论与展望 | 第51-52页 |
| ·结论 | 第51页 |
| ·今后研究展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间主要的研究成果 | 第57页 |
