| 1 概述 | 第1-17页 |
| 1．1 电弧炉及其自动控制技术 | 第7-10页 |
| 1．1．1 电弧炉 | 第7页 |
| 1．1．2 电弧炉工艺特点 | 第7-9页 |
| 1．1．3 电弧炉控制方式 | 第9-10页 |
| 1．2 电弧炉传统控制存在的问题及国内外发展现状 | 第10-14页 |
| 1．2．1 经典恒阻抗控制器 | 第10-12页 |
| 1．2．2 恒阻抗控制器存在的问题 | 第12页 |
| 1．2．3 国内外发展现状 | 第12-14页 |
| 1．3 本课题的设计要求和主要完成的工作 | 第14-17页 |
| 1．3．1 课题的设计要求和难点 | 第14页 |
| 1．3．2 课题的可行性理论分析 | 第14-16页 |
| 1．3．3 本文所完成的主要工作 | 第16-17页 |
| 2 电弧炉控制系统分析与建模 | 第17-34页 |
| 2．1 电弧炉系统结构分析 | 第17-18页 |
| 2．2 电弧炉电路系统分析与参数计算 | 第18-21页 |
| 2．3 BP神经网络原理 | 第21-29页 |
| 2．3．1 神经网络 | 第21-23页 |
| 2．3．2 神经网络的网络结构与工作方式 | 第23-25页 |
| 2．3．3 神经网络的学习方法 | 第25-26页 |
| 2．3．4 反向传播学习算法 | 第26-29页 |
| 2．4 基于BP神经网络电弧炉预估模型的在线学习 | 第29-34页 |
| 3 基于遗传算法电弧炉离线建模 | 第34-46页 |
| 3．1 电弧炉神经网络预估模型的离线建立的原因 | 第34页 |
| 3．2 遗传算法简介 | 第34-39页 |
| 3．2．1 遗传算法 | 第34-35页 |
| 3．2．2 遗传算法的主要特点 | 第35-37页 |
| 3．2．3 遗传算法的主要操作步骤 | 第37-39页 |
| 3．2．4 遗传算法的模式定理 | 第39页 |
| 3．3 基于遗传算法的电弧炉预估神经网络模型的建立 | 第39-43页 |
| 3．3．1 编码和编码方式的选择 | 第39-40页 |
| 3．3．2 选择操作 | 第40-41页 |
| 3．3．3 交叉操作 | 第41页 |
| 3．3．4 变异操作 | 第41-42页 |
| 3．3．5 小结 | 第42-43页 |
| 3．4 神经网络电弧炉模型进行多步预估的研究 | 第43-46页 |
| 4 电弧炉总体控制方案与控制器的设计 | 第46-62页 |
| 4．1 预测控制在现代工业过程控制中的应用与发展 | 第46-48页 |
| 4．1．1 预测控制基本原理 | 第46-48页 |
| 4．1．2 预测控制基本特点 | 第48页 |
| 4．2 电弧炉系统控制方案Ⅰ | 第48-50页 |
| 4．3 电弧炉系统控制方案Ⅱ | 第50-54页 |
| 4．4 电弧炉系统控制方案Ⅲ | 第54-62页 |
| 5 系统调试和结果分析 | 第62-69页 |
| 5．1 实际系统控制方案的确定和实现 | 第62-64页 |
| 5．1．1 系统控制方案的确定 | 第62页 |
| 5．1．2 系统控制方案的实现 | 第62-64页 |
| 5．2 系统调试和结果分析 | 第64-69页 |
| 5．2．1 调试中的几个问题 | 第64-65页 |
| 5．2．2 系统调试结果分析 | 第65-69页 |
| 6 结论 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士期间发表论文及科研情况 | 第76页 |