| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-19页 |
| ·课题来源 | 第7-8页 |
| ·自动化炼钢的工艺流程 | 第8-9页 |
| ·转炉炼钢过程自动控制技术简介 | 第9-12页 |
| ·转炉炼钢控制模型的发展与研究 | 第12-16页 |
| ·传统的静态、动态转炉控制模型 | 第12-13页 |
| ·现代转炉控制模型 | 第13-16页 |
| ·课题的理论意义和应用价值 | 第16-17页 |
| ·本文的主要研究内容 | 第17-19页 |
| 第二章 自动化炼钢控制系统设计 | 第19-31页 |
| ·自动化炼钢控制系统综述 | 第19-20页 |
| ·转炉炼钢过程控制的复杂性分析 | 第19页 |
| ·炼钢过程控制优化目标 | 第19-20页 |
| ·自动化炼钢系统总体设计方案 | 第20-22页 |
| ·OTCBM过程控制的基本原理和数学基础 | 第22-24页 |
| ·转炉炼钢过程控制流程 | 第24-27页 |
| ·自动化炼钢过程实时监测系统的实现 | 第27-30页 |
| ·小结 | 第30-31页 |
| 第三章 基于神经网络技术的转炉副原料量预报模型和终点动态控制模型的研究 | 第31-51页 |
| ·引言 | 第31页 |
| ·RBF神经网络 | 第31-36页 |
| ·RBF神经网络发展简史 | 第31-32页 |
| ·径向基函数 | 第32-33页 |
| ·RBF网络模型 | 第33-34页 |
| ·RBF神经网络影映射关系 | 第34-36页 |
| ·RBF网络在转炉炼钢副原料量静态预报中的应用 | 第36-46页 |
| ·吹氧量、造渣剂加入量预测模型 | 第36-37页 |
| ·合金加入量预测模型 | 第37-38页 |
| ·数据的采集与处理 | 第38-41页 |
| ·网络模型学习方法 | 第41-43页 |
| ·仿真测试 | 第43-46页 |
| ·RBF网络在转炉炼钢终点动态控制中的应用 | 第46-50页 |
| ·实际应用 | 第50页 |
| ·小结 | 第50-51页 |
| 第四章 关键工艺设备的控制 | 第51-63页 |
| ·氧枪自动控制 | 第51-59页 |
| ·氧枪控制系统概述 | 第51-53页 |
| ·基于神经网络PID的氧枪枪位自动控制系统研究 | 第53-59页 |
| ·下料称量系统自动控制 | 第59-61页 |
| ·仪表的监视控制 | 第61-62页 |
| ·设备抗干扰控制措施 | 第62页 |
| ·小结 | 第62-63页 |
| 第五章 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |