摘要3-5
ABSTRACT5-10
1 绪论10-34
1.1 提钒的重要量10-12
1.1.1 钒的性质及分布10-11
1.1.2 钒的用途11-12
1.2 提钒工艺探讨近况12-21
1.2.1 目前主要的提钒工艺策略12-14
1.2.2 转炉提钒原理14-15
1.2.3 铁水提钒工艺策略15-17
1.2.4 影响转炉提钒的主要因素17-21
1.3 制约模型探讨近况21-24
1.3.1 转炉制约模型探讨进展21-23
1.3.2 转炉提钒制约模型探讨近况23-24
1.4 人工神经网络模型概述24-31
1.4.1 人工神经网络的分类与进展24-25
1.4.2 BP 神经网络模型原理25-28
1.4.3 BP 神经网络的优缺点28-31
1.5 本课题探讨目的、内容及革新31-34
1.5.1 课题来源31
1.5.2 课题背景31-32
1.5.3 课题探讨目的及内容32-34
2 攀钢提钒工艺探讨34-60
2.1 攀钢转炉提钒工艺概况34-38
2.1.1 攀钢转炉提钒工艺流程34-35
2.1.2 攀钢转炉提钒所用原料及产物35-38
2.1.3 攀钢提钒工艺制度38
2.2 攀钢提钒历程质量的要求38-40
2.2.1 炼钢对半钢质量的要求38-40
2.2.2 后期提钒对钒渣质量的要求40
2.3 冷却剂的冷却效应探讨40-49
2.3.1 论述计算41-44
2.3.2 实验探讨44-48
2.3.3 实验与计算结果浅析48-49
2.4 无烟煤对提钒终点影响的探讨49-55
2.4.1 论述浅析50-51
2.4.2 现场数据统计计算51-55
2.4.3 小结55
2.5 转炉提钒历程物料平衡、热平衡及钒平衡的探讨55-58
2.5.1 试验案例55-56
2.5.2 试验结果56-58
2.6 本章小结58-60
3 转炉提钒静态制约模型的建立60-72
3.1 模型总体构架60-62
3.2 冷却剂模型的建立62-67
3.2.1 冷却剂模型总体构架63
3.2.2 模型主要运转参数设置63-64
3.2.3 基于提钒机理浅析的模型构建64-67
3.3 供氧模型的建立67-69
3.3.1 供氧模型总体构架67
3.3.2 基于提钒机理浅析的模型构建67-69
3.4 预测模型的建立69-72
4 数据预处理72-80
4.1 数据准备与数据预处理72-77
4.1.1 数据预处理的基本功能72-73
4.1.2 模型数据的预处理73-76
4.1.3 数据的归一化76-77
4.2 聚类算法77-80
5 转炉提钒静态制约模型的优化80-90
5.1 模型训练结果及有着的不足80-84
5.1.1 模型训练结果及浅析80-83
5.1.2 模型有着的不足83-84
5.2 模型参数的优化84-87
5.2.1 网络隐层神经元数目的优化84-86
5.2.2 基于遗传算法的权值优化86
5.2.3 样本的泛化能力86-87
5.3 模型误差产生理由浅析87-89
5.4 模型的在线仿真89-90
6 结论与展望90-92
6.1 结论90-91
6.2 展望91-92
致谢92-94