声明
摘要
第1章 绪论
1.1 课题研究的背景及意义
1.2 LF炉设备与精炼工艺
1.2.1 LF炉设备简介
1.2.2 LF炉精炼特点
1.2.3 LF炉精炼工艺
1.3 炼钢过程终点预报与控制常用方法
1.3.1 基于机理模型的方法
1.3.2 基于统计的方法
1.3.3 基于灰色系统理论的灰色预报方法
1.3.4 基于智能理论的方法
1.4 案例推理技术及研究现状
1.4.1 案例推理技术简介
1.4.2 国外发展和现状
1.4.3 国内发展和现状
1.5 本文主要工作
第2章 LF炉脱硫机理
2.1 精炼渣简介
2.1.1 精炼渣各组元主要作用
2.1.2 精炼渣的选择及设计原则
2.2 脱硫热力学理论
2.2.1 硫容量
2.2.2 硫的分配比
2.2.3 硫的活度系数
2.2.4 氧的活度
2.3 脱硫动力学理论
2.4 脱硫模型
2.5 本章小结
第3章 基于案例推理的终点硫含量控制
3.1 基于案例推理的钢水终点硫含量控制原理
3.2 模型输入量和输出量的选择
3.2.1 影响LF炉脱硫的主要因素
3.2.2 输入量和输出量的选择
3.3 基于案例推理硫含量控制模型的建立
3.3.1 案例的表示及案例库的建立
3.3.2 案例的检索
3.3.3 案例相似度的确定
3.3.4 基于SRS与GA相结合的特征属性权值确定
3.3.5 相似度阈值与案例重用
3.3.6 案例的存储与维护
3.4 仿真结果与分析
3.5 本章小结
第4章 案例推理系统中案例解的补偿
4.1 补偿原理
4.2 基于RBF神经网络的补偿模型
4.2.1 RBF神经网络的结构
4.2.2 补偿网络结构的设计
4.2.3 补偿网络的训练
4.3 仿真结果与分析
4.3.1 样本数据的选择和处理
4.3.2 仿真结果与分析
4.4 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢