转炉提钒静态控制模型建立与优化的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-34页 |
| ·提钒的重要性 | 第10-12页 |
| ·钒的性质及分布 | 第10-11页 |
| ·钒的用途 | 第11-12页 |
| ·提钒工艺研究现状 | 第12-21页 |
| ·目前主要的提钒工艺方法 | 第12-14页 |
| ·转炉提钒原理 | 第14-15页 |
| ·铁水提钒工艺方法 | 第15-17页 |
| ·影响转炉提钒的主要因素 | 第17-21页 |
| ·控制模型研究现状 | 第21-24页 |
| ·转炉控制模型研究进展 | 第21-23页 |
| ·转炉提钒控制模型研究现状 | 第23-24页 |
| ·人工神经网络模型概述 | 第24-31页 |
| ·人工神经网络的分类与发展 | 第24-25页 |
| ·BP 神经网络模型原理 | 第25-28页 |
| ·BP 神经网络的优缺点 | 第28-31页 |
| ·本课题研究目的、内容及创新 | 第31-34页 |
| ·课题来源 | 第31页 |
| ·课题背景 | 第31-32页 |
| ·课题研究目的及内容 | 第32-34页 |
| 2 攀钢提钒工艺研究 | 第34-60页 |
| ·攀钢转炉提钒工艺概况 | 第34-38页 |
| ·攀钢转炉提钒工艺流程 | 第34-35页 |
| ·攀钢转炉提钒所用原料及产物 | 第35-38页 |
| ·攀钢提钒工艺制度 | 第38页 |
| ·攀钢提钒过程质量的要求 | 第38-40页 |
| ·炼钢对半钢质量的要求 | 第38-40页 |
| ·后期提钒对钒渣质量的要求 | 第40页 |
| ·冷却剂的冷却效应研究 | 第40-49页 |
| ·理论计算 | 第41-44页 |
| ·实验研究 | 第44-48页 |
| ·实验与计算结果分析 | 第48-49页 |
| ·无烟煤对提钒终点影响的研究 | 第49-55页 |
| ·理论分析 | 第50-51页 |
| ·现场数据统计计算 | 第51-55页 |
| ·小结 | 第55页 |
| ·转炉提钒过程物料平衡、热平衡及钒平衡的研究 | 第55-58页 |
| ·试验方案 | 第55-56页 |
| ·试验结果 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 3 转炉提钒静态控制模型的建立 | 第60-72页 |
| ·模型总体构架 | 第60-62页 |
| ·冷却剂模型的建立 | 第62-67页 |
| ·冷却剂模型总体构架 | 第63页 |
| ·模型主要运行参数设置 | 第63-64页 |
| ·基于提钒机理分析的模型构建 | 第64-67页 |
| ·供氧模型的建立 | 第67-69页 |
| ·供氧模型总体构架 | 第67页 |
| ·基于提钒机理分析的模型构建 | 第67-69页 |
| ·预测模型的建立 | 第69-72页 |
| 4 数据预处理 | 第72-80页 |
| ·数据准备与数据预处理 | 第72-77页 |
| ·数据预处理的基本功能 | 第72-73页 |
| ·模型数据的预处理 | 第73-76页 |
| ·数据的归一化 | 第76-77页 |
| ·聚类算法 | 第77-80页 |
| 5 转炉提钒静态控制模型的优化 | 第80-90页 |
| ·模型训练结果及存在的问题 | 第80-84页 |
| ·模型训练结果及分析 | 第80-83页 |
| ·模型存在的问题 | 第83-84页 |
| ·模型参数的优化 | 第84-87页 |
| ·网络隐层神经元数目的优化 | 第84-86页 |
| ·基于遗传算法的权值优化 | 第86页 |
| ·样本的泛化能力 | 第86-87页 |
| ·模型误差产生原因分析 | 第87-89页 |
| ·模型的在线仿真 | 第89-90页 |
| 6 结论与展望 | 第90-92页 |
| ·结论 | 第90-91页 |
| ·展望 | 第91-92页 |
| 致谢 | 第92-94页 |
| 参考文献 | 第94-98页 |
| 附录 | 第98页 |
| 作者在攻读硕士学位期间发表的论文的目录 | 第98页 |
