| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 连铸工艺简介 | 第9-10页 |
| 1.2 连铸技术发展与现状 | 第10-13页 |
| 1.3 漏钢预报的研究意义 | 第13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 2 结晶器粘结性漏钢机理分析 | 第15-21页 |
| 2.1 连铸漏钢种类 | 第15-16页 |
| 2.2 粘结性漏钢形成过程 | 第16页 |
| 2.3 粘结性漏钢成因及预防措施 | 第16-17页 |
| 2.4 漏钢征兆检测方法 | 第17-20页 |
| 2.4.1 结晶器内部热传递法 | 第17-18页 |
| 2.4.2 摩擦力测量法 | 第18页 |
| 2.4.3 铸坯短边凹度测量法 | 第18-19页 |
| 2.4.4 热电偶测量法 | 第19-20页 |
| 2.4.5 超声波测量法 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 热电偶采集温度数据的降噪处理 | 第21-32页 |
| 3.1 热电偶安装及温度采集 | 第21-22页 |
| 3.2 异常温度值的处理 | 第22-24页 |
| 3.3 数据降噪处理方法 | 第24-29页 |
| 3.3.1 滑动平均降噪法 | 第24-25页 |
| 3.3.2 曲线拟合降噪法 | 第25-26页 |
| 3.3.3 傅里叶变换降噪法 | 第26-29页 |
| 3.4 小波分析降噪及其在漏钢中的应用 | 第29-31页 |
| 3.4.1 小波去噪的原理和步骤 | 第29-30页 |
| 3.4.2 小波去噪在漏钢预报中的应用 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 结晶器漏钢预报模型的建立 | 第32-49页 |
| 4.1 建立漏钢预报数学模型 | 第32-36页 |
| 4.1.1 单偶模式模型 | 第32-33页 |
| 4.1.2 组偶模式模型 | 第33-34页 |
| 4.1.3 训练与测试样本的选择 | 第34-35页 |
| 4.1.4 样本归一化处理 | 第35-36页 |
| 4.2 BP 网络模型在漏钢预报中的应用 | 第36-43页 |
| 4.2.1 BP 神经网络简介 | 第36-37页 |
| 4.2.2 BP 网络模型的建立 | 第37-39页 |
| 4.2.3 BP 网络的缺点及改进措施 | 第39-41页 |
| 4.2.4 BP 网络模型训练与测试 | 第41-43页 |
| 4.3 粒子群算法优化 BP 网络 | 第43-47页 |
| 4.3.1 粒子群算法简介及算法流程 | 第43-44页 |
| 4.3.2 粒子群算法优化 BP 网络 | 第44-45页 |
| 4.3.3 PSO 算法优化 BP 网络漏钢预报模型训练与测试 | 第45-47页 |
| 4.4 神经网络预报结果对比 | 第47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 基于 LabVIEW 的漏钢预报上位机系统开发与设计 | 第49-64页 |
| 5.1 上位机总体设计架构图 | 第49-51页 |
| 5.2 上位机数据采集模块设计 | 第51-54页 |
| 5.3 上位机数据处理模块 | 第54-58页 |
| 5.3.1 LabVIEW 中 MATLAB Script 简介 | 第54页 |
| 5.3.2 LabVIEW 对数据进行小波降噪分析处理 | 第54-57页 |
| 5.3.3 LabVIEW 与 BP 神经网络在漏钢预报中的应用 | 第57-58页 |
| 5.4 上位机数据显示模块 | 第58-60页 |
| 5.5 上位机数据保存模块 | 第60-62页 |
| 5.5.1 数据存储 | 第60-61页 |
| 5.5.2 数据报表 | 第61-62页 |
| 5.6 本章小结 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 在学研究成果 | 第69-70页 |
| 致谢 | 第70页 |
