| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·论文的主要研究内容 | 第13-14页 |
| 第二章 焦炉火道温度软测量机理 | 第14-30页 |
| ·焦炉生产工艺 | 第14-19页 |
| ·焦炉结构与生产过程 | 第14-16页 |
| ·焦炉加热方式 | 第16-17页 |
| ·结焦时间和换向周期对炉温的影响 | 第17-19页 |
| ·焦炉火道温度软测量 | 第19-25页 |
| ·影响火道温度的因素及分析 | 第19-22页 |
| ·蓄热室顶部温度测量 | 第22-23页 |
| ·软测量原理 | 第23-25页 |
| ·多率采样与火道温度软测量的融合 | 第25-29页 |
| ·多率采样的定义 | 第25-26页 |
| ·融合多率采样的火道温度软测量 | 第26-27页 |
| ·基于多率采样的火道温度软测量模型 | 第27-29页 |
| ·小结 | 第29-30页 |
| 第三章 基于多率采样的焦炉火道温度软测量集成模型 | 第30-56页 |
| ·软测量方法 | 第30-31页 |
| ·数据的采集和预处理 | 第31-32页 |
| ·线性回归构建火道温度软测量模型 | 第32-38页 |
| ·基于线性回归的火道温度软测量模型 | 第33-36页 |
| ·线性回归模型的神经网络集成方法 | 第36-38页 |
| ·融合TD算法的Elman神经网络火道温度软测量模型 | 第38-46页 |
| ·TD算法的思想 | 第39-40页 |
| ·Elman神经网络的结构和特点 | 第40-42页 |
| ·融合TD算法的Elman神经网络 | 第42-44页 |
| ·TD-ENN软测量模型 | 第44-46页 |
| ·基于多率采样的火道温度软测量模型 | 第46-54页 |
| ·多率采样输出估计的原理 | 第46-49页 |
| ·基于曲线拟合和多项式预测算法的多率采样输出估计 | 第49-52页 |
| ·多率采样的软测量模型 | 第52-54页 |
| ·小结 | 第54-56页 |
| 第四章 火道温度软测量模型自学习策略与模型实现 | 第56-65页 |
| ·模型的整体结构 | 第56-58页 |
| ·模型的自学习 | 第58-60页 |
| ·仿真模型的实现 | 第60-62页 |
| ·仿真模型的运行效果 | 第62-63页 |
| ·小结 | 第63-65页 |
| 第五章 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间的主要成果 | 第73页 |