| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 LF炉设备与精炼工艺 | 第11-14页 |
| 1.2.1 LF炉设备简介 | 第11-13页 |
| 1.2.2 LF炉精炼特点 | 第13-14页 |
| 1.2.3 LF炉精炼工艺 | 第14页 |
| 1.3 炼钢过程终点预报与控制常用方法 | 第14-16页 |
| 1.3.1 基于机理模型的方法 | 第14-15页 |
| 1.3.2 基于统计的方法 | 第15页 |
| 1.3.3 基于灰色系统理论的灰色预报方法 | 第15页 |
| 1.3.4 基于智能理论的方法 | 第15-16页 |
| 1.4 案例推理技术及应用现状 | 第16-19页 |
| 1.4.1 案例推理技术简介 | 第16-17页 |
| 1.4.2 国外发展和现状 | 第17-18页 |
| 1.4.3 国内发展和现状 | 第18-19页 |
| 1.5 本文主要工作 | 第19-20页 |
| 第2章 LF炉脱硫机理 | 第20-30页 |
| 2.1 精炼渣简介 | 第20-21页 |
| 2.1.1 精炼渣各组元主要作用 | 第20页 |
| 2.1.2 精炼渣的选择及设计原则 | 第20-21页 |
| 2.2 脱硫热力学理论 | 第21-25页 |
| 2.2.1 硫容量 | 第21-23页 |
| 2.2.2 硫的分配比 | 第23页 |
| 2.2.3 硫的活度系数 | 第23-24页 |
| 2.2.4 氧的活度 | 第24-25页 |
| 2.3 脱硫动力学理论 | 第25-26页 |
| 2.4 脱硫模型 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于案例推理的终点硫含量控制 | 第30-52页 |
| 3.1 基于案例推理的钢水终点硫含量控制原理 | 第30-31页 |
| 3.2 模型输入量和输出量的选择 | 第31-34页 |
| 3.2.1 影响LF炉脱硫的主要因素 | 第31-33页 |
| 3.2.2 输入量和输出量的选择 | 第33-34页 |
| 3.3 基于案例推理硫含量控制模型的建立 | 第34-49页 |
| 3.3.1 案例的表示及案例库的建立 | 第35-36页 |
| 3.3.2 案例的检索 | 第36-37页 |
| 3.3.3 案例相似度的确定 | 第37页 |
| 3.3.4 基于SRS与GA相结合的特征属性权值确定 | 第37-46页 |
| 3.3.5 相似度阈值与案例重用 | 第46-47页 |
| 3.3.6 案例的存储与维护 | 第47-49页 |
| 3.4 仿真结果与分析 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 案例推理系统中案例解的补偿 | 第52-62页 |
| 4.1 补偿原理 | 第52-53页 |
| 4.2 基于RBF神经网络的补偿模型 | 第53-58页 |
| 4.2.1 RBF神经网络的结构 | 第53-56页 |
| 4.2.2 补偿网络结构的设计 | 第56页 |
| 4.2.3 补偿网络的训练 | 第56-58页 |
| 4.3 仿真结果与分析 | 第58-60页 |
| 4.3.1 样本数据的选择和处理 | 第58-60页 |
| 4.3.2 仿真结果与分析 | 第60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |