天津炼钢厂4#板坯连铸机漏钢预报系统设计
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 问题的提出和背景 | 第10页 |
| 1.2 课题的研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 关于粘结漏钢检测方法 | 第13-16页 |
| 1.4.1 结晶器热交换分析方法 | 第13-14页 |
| 1.4.2 铸坯短边凹度测量法 | 第14页 |
| 1.4.3 压力法结晶器拉漏预报 | 第14页 |
| 1.4.4 用热电偶测温进行漏钢预报 | 第14-15页 |
| 1.4.5 监测摩擦力进行漏钢预报 | 第15页 |
| 1.4.6 统计分析方法 | 第15-16页 |
| 1.5 论文结构与内容 | 第16-18页 |
| 第2章 连铸漏钢及漏钢预报的工艺原理 | 第18-32页 |
| 2.1 天津钢厂4 | 第18-20页 |
| 2.1.1 天津钢厂生产工艺 | 第18页 |
| 2.1.2 天津钢厂4 | 第18-20页 |
| 2.2 漏钢类型及原因 | 第20-23页 |
| 2.2.1 开浇漏钢 | 第21-22页 |
| 2.2.2 铸中漏钢 | 第22页 |
| 2.2.3 粘结性漏钢 | 第22-23页 |
| 2.3 粘结性漏钢相关理论 | 第23-30页 |
| 2.3.1 粘结漏钢的形成机理 | 第23-26页 |
| 2.3.2 粘结漏钢的影响因素 | 第26-30页 |
| 2.4 天津钢厂4 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 天津钢厂4 | 第32-40页 |
| 3.1 天津钢厂4 | 第32-35页 |
| 3.2 硬件系统设计 | 第35-37页 |
| 3.2.1 热电偶设计 | 第35页 |
| 3.2.2 过程控制应用设备 | 第35-36页 |
| 3.2.3 终端显示硬件 | 第36-37页 |
| 3.2.4 网络通讯 | 第37页 |
| 3.3 软件系统设计 | 第37-39页 |
| 3.3.1 软件开发环境 | 第37-38页 |
| 3.3.2 应用软件结构与功能 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于逻辑判断的漏钢预报方法 | 第40-52页 |
| 4.1 基于逻辑判断的漏钢预报原理 | 第40页 |
| 4.2 粘结漏钢模式 | 第40-42页 |
| 4.3 温度数据预处理 | 第42页 |
| 4.4 粘结漏钢裂口传播模型分析 | 第42-43页 |
| 4.5 漏钢预报逻辑判断 | 第43-49页 |
| 4.5.1 温度偏差检查 | 第45-46页 |
| 4.5.2 温度变化速度检查 | 第46页 |
| 4.5.3 温度变化延迟检查 | 第46-47页 |
| 4.5.4 温度下降检查 | 第47-49页 |
| 4.6 逻辑判断模型存在的问题 | 第49-50页 |
| 4.7 漏钢预报效果分析 | 第50页 |
| 4.8 本章小结 | 第50-52页 |
| 第5章 基于神经网络模型的漏钢预报方法 | 第52-76页 |
| 5.1 神经网络的理论和方法 | 第52-62页 |
| 5.1.1 神经网络的基本特点 | 第52-55页 |
| 5.1.2 神经网络的学习与计算 | 第55-56页 |
| 5.1.3 BP网络结构及其学习算法 | 第56-60页 |
| 5.1.4 BP算法的缺点及改进方法 | 第60-61页 |
| 5.1.5 网络中的存储技术 | 第61-62页 |
| 5.2 神经网络漏钢预报模型 | 第62-73页 |
| 5.2.1 神经网络漏钢预报的机理 | 第63-66页 |
| 5.2.2 神经网络预结构的确定 | 第66-68页 |
| 5.2.3 神经网络漏钢预报模型建立 | 第68-73页 |
| 5.3 仿真研究 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第6章 结论与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
