| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·LF精炼炉发展概况 | 第11页 |
| ·课题的目的和意义 | 第11-12页 |
| ·LF炉合金化模型的国内外发展状况 | 第12-14页 |
| ·国外发展状况 | 第12-13页 |
| ·国内发展状况 | 第13-14页 |
| ·本课题所做的主要工作 | 第14-15页 |
| 第2章 LF钢包精炼炉 | 第15-21页 |
| ·LF炉机械设备 | 第15-17页 |
| ·LF炉精炼功能 | 第17-18页 |
| ·白渣精炼 | 第17页 |
| ·埋弧加热 | 第17页 |
| ·还原气氛营造 | 第17-18页 |
| ·吹氩搅拌 | 第18页 |
| ·LF炉的主要控制 | 第18-20页 |
| ·温度控制 | 第18-19页 |
| ·合金成分微调 | 第19-20页 |
| ·LF炉优点 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 LF炉最优合金化模型 | 第21-27页 |
| ·建模思想 | 第21-22页 |
| ·模型建立 | 第22-26页 |
| ·最优加料模型中参数的确定 | 第24-25页 |
| ·模型求解 | 第25-26页 |
| ·影响模型精确度的因素 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第4章 基于神经网络的元素收得率预测模型 | 第27-43页 |
| ·人工神经网络 | 第27-29页 |
| ·人工神经网络的发展 | 第27页 |
| ·人工神经网络的特点 | 第27-29页 |
| ·BP神经网络简介 | 第29-39页 |
| ·BP神经网络的构成 | 第29-31页 |
| ·BP神经网络的学习过程 | 第31-34页 |
| ·设计BP神经网络需要考虑的因素 | 第34-36页 |
| ·BP神经网络的优缺点 | 第36页 |
| ·BP神经网络常用的改进算法 | 第36-39页 |
| ·基于BP神经网络的元素收得率预测模型 | 第39-42页 |
| ·元素收得率的神经网络结构 | 第39-41页 |
| ·仿真分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于SA-PSO优化神经网络的元素收得率预测模型 | 第43-67页 |
| ·粒子群优化算法 | 第43-53页 |
| ·粒子群优化算法的研究综述 | 第43-45页 |
| ·基本粒子群优化算法 | 第45-47页 |
| ·标准粒子群优化算法 | 第47-49页 |
| ·标准PSO优化神经网络的设计 | 第49-50页 |
| ·标准PSO优化神经网络的实现步骤及流程图 | 第50-51页 |
| ·仿真分析 | 第51-53页 |
| ·模拟退火优化算法 | 第53-62页 |
| ·固体退火过程 | 第53页 |
| ·Metropolis准则 | 第53-56页 |
| ·组合优化与固体退火的相似性 | 第56-57页 |
| ·模拟退火算法的特点 | 第57页 |
| ·模拟退火算法的有限时间实现 | 第57-61页 |
| ·模拟退火算法应用的一般要求 | 第61-62页 |
| ·粒子群算法与模拟退火算法的结合 | 第62-65页 |
| ·SA-PSO算法实现步骤及流程图 | 第62-64页 |
| ·仿真分析 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士期间参加项目科研情况 | 第75页 |