摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-19页 |
1.1 高炉热风炉 | 第9-13页 |
1.1.1 高炉热风炉系统简介 | 第9页 |
1.1.2 热风炉的结构形式 | 第9-13页 |
1.2 国内外热风炉控制系统发展的现状和趋势 | 第13-17页 |
1.2.1 国内状况 | 第13-14页 |
1.2.2 国外状况 | 第14-16页 |
1.2.3 热风炉控制系统的发展趋势 | 第16-17页 |
1.3 天钢热风炉系统结构概述 | 第17-18页 |
1.4 本文的主要研究内容 | 第18-19页 |
第2章 热风炉的工艺流程及自动控制 | 第19-29页 |
2.1 控制概述 | 第19-20页 |
2.2 高炉热风炉的工作原理及工艺流程 | 第20-24页 |
2.2.1 热风炉的工作原理 | 第20页 |
2.2.2 热风炉的工艺流程 | 第20-23页 |
2.2.3 天钢高炉热风炉自动化系统 | 第23-24页 |
2.3 自动化控制 | 第24-28页 |
2.3.1 换炉控制 | 第25页 |
2.3.2 燃烧控制 | 第25页 |
2.3.3 天钢热风炉的控制方式 | 第25-28页 |
2.4 本章小结 | 第28-29页 |
第3章 模糊控制和神经网络 | 第29-45页 |
3.1 热风炉智能控制系统的主要研究方法 | 第29-31页 |
3.1.1 热风炉燃烧常见控制方法 | 第29-30页 |
3.1.2 我国热风炉智能控制应用举例 | 第30-31页 |
3.2 模糊控制系统概述 | 第31-36页 |
3.2.1 模糊控制概述及其基本原理 | 第31-32页 |
3.2.2 模糊控制器设计的基本方法 | 第32-36页 |
3.3 人工神经网络系统概述 | 第36-40页 |
3.3.1 人工神经网络模型 | 第36-37页 |
3.3.2 人工神经网络的学习方式 | 第37页 |
3.3.3 BP神经网络 | 第37-40页 |
3.4 神经网络与模糊控制的结合 | 第40-44页 |
3.4.1 模糊神经网络的发展 | 第40-41页 |
3.4.2 神经网络模糊控制的结构和特征 | 第41-44页 |
3.5 本章小结 | 第44-45页 |
第4章 热风炉燃烧过程智能控制及仿真 | 第45-59页 |
4.1 热风炉的燃烧过程 | 第45-46页 |
4.2 控制思想 | 第46-47页 |
4.3 燃烧的神经网络模糊控制 | 第47-55页 |
4.3.1 根据拱顶温度调节的最佳空燃比的模糊神经网络 | 第48-50页 |
4.3.2 根据废气温度调节的最佳空燃比的模糊神经网络 | 第50-55页 |
4.4 神经网络的训练及MATLAB仿真 | 第55-58页 |
4.4.1 MATLAB简介 | 第55页 |
4.4.2 MATLAB训练及仿真 | 第55-58页 |
4.5 本章小结 | 第58-59页 |
第5章 结论与展望 | 第59-61页 |
5.1 结论 | 第59页 |
5.2 展望 | 第59-61页 |
参考文献 | 第61-65页 |
致谢 | 第65页 |