LF精炼过程钢水温度预报模型的设计
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·LF 炉的简介 | 第11-12页 |
| ·LF 炉的定义 | 第11页 |
| ·LF 炉的功能 | 第11页 |
| ·LF 炉的作用 | 第11-12页 |
| ·国内外的测温方法 | 第12-13页 |
| ·温度预估模型的意义 | 第13-14页 |
| ·本文的主要工作 | 第14-15页 |
| 第二章 LF 炉的精炼工艺 | 第15-22页 |
| ·LF 炉的精炼工艺 | 第15-17页 |
| ·LF 炉的精炼工艺流程 | 第15页 |
| ·LF 炉精炼过程基本操作要点 | 第15页 |
| ·LF 炉的精炼功能 | 第15-17页 |
| ·LF 炉的温度控制 | 第17-22页 |
| ·吹Ar 的作用及效果 | 第17-18页 |
| ·喂丝对温度的影响 | 第18-19页 |
| ·包衬蓄热 | 第19-20页 |
| ·钢液裸露面散热 | 第20页 |
| ·合金及渣料对温度的影响 | 第20页 |
| ·供电制度 | 第20-22页 |
| 第三章 温度预估模型的建立 | 第22-33页 |
| ·模型建立的理论基础及确定参数 | 第22-32页 |
| ·输入的电能 | 第23-24页 |
| ·钢包的散热 | 第24-25页 |
| ·熔池表面的热损 | 第25-26页 |
| ·底吹氩带走的热量 | 第26-29页 |
| ·烟气带走的热量 | 第29页 |
| ·喂线带走的热量 | 第29-30页 |
| ·加入合金及渣料的热效应 | 第30-32页 |
| ·LF 炉中温度的数学模型 | 第32页 |
| ·小结 | 第32-33页 |
| 第四章 人工神经网络理论及应用 | 第33-43页 |
| ·概述 | 第33页 |
| ·ANN 理论及应用 | 第33-34页 |
| ·具有代表性的ANN 模型 | 第34-39页 |
| ·反向传播多层前馈神经网络（BP） | 第35-36页 |
| ·径向基函数神经网络 | 第36-38页 |
| ·连续Hopfield 神经网络 | 第38-39页 |
| ·人工神经网络的新发现 | 第39-41页 |
| ·概述 | 第39-40页 |
| ·常见模糊神经网络 | 第40-41页 |
| ·小结 | 第41-43页 |
| 第五章 创建神经网络所需数据的处理 | 第43-47页 |
| ·概述 | 第43页 |
| ·数据前期采集 | 第43-44页 |
| ·数据前期归一化处理 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第六章 网络模型的建立 | 第47-52页 |
| ·概述 | 第47页 |
| ·网络结构的辨析 | 第47-51页 |
| ·网络输入和输出节点的确定 | 第47-48页 |
| ·输入空间的划分、输入变量隶属函数的确定 | 第48页 |
| ·模糊规则的确定 | 第48-50页 |
| ·后件参数的确定 | 第50页 |
| ·网络模型综述 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第七章 结果测试 | 第52-54页 |
| ·概述 | 第52页 |
| ·网络训练和测试 | 第52-53页 |
| ·结果分析 | 第53-54页 |
| 第八章 模型的介绍 | 第54-57页 |
| ·模型主界面 | 第54-56页 |
| ·控制按钮的说明 | 第54-56页 |
| ·钢液温度变化窗口 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
