| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目次 | 第7-10页 |
| 1 绪论 | 第10-27页 |
| 1.1 引言 | 第10页 |
| 1.2 铁水脱硫工艺 | 第10-15页 |
| 1.2.1 铁水脱硫方法 | 第11-13页 |
| 1.2.2 脱硫剂 | 第13-15页 |
| 1.3 专家系统 | 第15-18页 |
| 1.3.1 专家系统的发展历程 | 第15-16页 |
| 1.3.2 专家系统的结构 | 第16页 |
| 1.3.3 专家系统的分类及应用 | 第16-18页 |
| 1.4 人工神经网络 | 第18-22页 |
| 1.4.1 人工神经网络发展概述 | 第18-19页 |
| 1.4.2 典型人工神经网络 | 第19-21页 |
| 1.4.3 人工神经网络的应用 | 第21-22页 |
| 1.5 PLC控制技术 | 第22-26页 |
| 1.5.1 PLC的产生和发展 | 第22-23页 |
| 1.5.2 PLC的工作原理 | 第23-25页 |
| 1.5.3 S7-400系列PLC及WinCC的应用 | 第25-26页 |
| 1.6 本文结构 | 第26-27页 |
| 2 单吹颗粒镁铁水脱硫工艺 | 第27-37页 |
| 2.1 颗粒镁脱硫机理 | 第28-29页 |
| 2.1.1 纯镁的钝化 | 第28页 |
| 2.1.2 颗粒镁的脱硫机理 | 第28-29页 |
| 2.1.3 颗粒镁性质的选择 | 第29页 |
| 2.2 供气系统 | 第29-30页 |
| 2.3 颗粒镁储存和转装系统 | 第30页 |
| 2.4 颗粒镁喷吹系统 | 第30-33页 |
| 2.5 扒渣系统 | 第33-34页 |
| 2.6 除尘系统 | 第34-36页 |
| 2.7 本章小结 | 第36-37页 |
| 3 BP神经网络专家系统 | 第37-51页 |
| 3.1 BP算法的感知机模型 | 第37-40页 |
| 3.1.1 感知机模型 | 第37-38页 |
| 3.1.2 BP算法的感知机模型 | 第38-40页 |
| 3.2 BP算法的基本原理 | 第40-46页 |
| 3.2.1 BP算法的推导过程 | 第40-43页 |
| 3.2.2 BP算法的训练步骤 | 第43-46页 |
| 3.3 铁水脱硫专家模型的构建 | 第46-50页 |
| 3.3.1 影响铁水脱硫的因素 | 第46-47页 |
| 3.3.2 BP神经网络模型 | 第47-48页 |
| 3.3.3 数据处理 | 第48-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 系统设计 | 第51-83页 |
| 4.1 PLC控制系统设计的基本原理 | 第51-54页 |
| 4.1.1 设计原则 | 第51-52页 |
| 4.1.2 设计内容 | 第52页 |
| 4.1.3 设计步骤 | 第52-54页 |
| 4.2 PLC控制系统的设计 | 第54-68页 |
| 4.2.1 PLC控制系统的架构 | 第54-55页 |
| 4.2.2 PLC系统硬件结构 | 第55-57页 |
| 4.2.3 S7-400PLC通信与组网 | 第57-60页 |
| 4.2.4 S7-400PLC程序设计 | 第60-68页 |
| 4.3 上位机设计 | 第68-79页 |
| 4.3.1 流程监控 | 第69-71页 |
| 4.3.2 故障诊断 | 第71-73页 |
| 4.3.3 脱硫专家系统 | 第73-79页 |
| 4.4 脱硫专家模型应用结果 | 第79-83页 |
| 5 总结和展望 | 第83-85页 |
| 5.1 总结 | 第83页 |
| 5.2 展望 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 作者简历 | 第89页 |