文摘
英文文摘
1绪论
1.1引言
1.2转炉终点控制技术现状
1.2.1转炉静态控制
1.2.2转炉动态控制
1.2.3转炉静态控制模型的重要性
1.2.4转炉终点优化控制技术
1.2.5人工智能技术在转炉终点控制中的应用
1.3 BP神经网络的特点与应用
1.3.1人工神经网络的特点
1.3.2 BP神经网络模型原理
1.3.3 BP神经网络模型应用中的问题
1.4遗传算法及多目标优化
1.4.1遗传算法原理和特点
1.4.2遗传算法与BP算法的组合优化算法
1.4.3遗传算法的发展和应用
1.4.4.多目标遗传算法与多目标优化技术
1.5研究背景和研究内容
1.5.1研究背景
1.5.2研究内容
1.5.3本文创新
2基于小生境思想的改进适应度函数
2.1遗传算子的作用机制分析
2.1.1遗传算法的运行步骤
2.1.2遗传算法运行机制分析
2.2常用适应度函数
2.3基于小生境思想的新适应度函数的提出
2.4遗传算法性能评价指标
2.4.1收敛概率
2.4.2平均收敛时间
2.4.3种群平均距离
2.5数值实验
2.6小结
3多峰函数优化的混合遗传算法
3.1遗传算法与最速下降法的混合算法
3.1.1问题描述
3.1.2基于遗传算法-最速下降法的混合遗传算法
3.1.3混合遗传算法的实现与数值实验
3.2遗传算法与BP算法的混合算法
3.2.1 GA-BP混合遗传算法
3.2.2数值实验与比较
3.3小结
4基于GA-BP混合遗传算法的转炉终点优化控制模型
4.1攀钢转炉炼钢工艺特点
4.1.1攀钢炼钢基本流程
4.1.2攀钢炼钢原料特点
4.1.3攀钢炼钢终点控制技术
4.2转炉终点多目标优化原理
4.3基于GA-BP混合遗传算法的攀钢转炉终点预测模型
4.3.1转炉终点预测模型原理
4.3.2神经网络的结构设计
4.3.3学习样本选择
4.3.4数据标准化
4.3.5神经网络的训练算法
4.3.6转炉终点预测神经网络模型的运行机理
4.4转炉终点优化模型的优化变量
4.5转炉终点优化多目标遗传算法的个体表示
4.6转炉终点优化多目标遗传算法的群体生成
4.7攀钢转炉终点优化系统的实现
4.8本章小节
5攀钢转炉终点优化控制模型的检验
5.1计算条件
5.1.1模型的输入输出变量
5.1.2模型主要运行参数设置
5.2攀钢转炉终点预测结果及分析
5.2.1低拉增碳工艺下的终点预测
5.2.2高拉补吹工艺下的终点预测
5.3攀钢转炉冶炼工艺参数优化结果及分析
5.4结果讨论
5.4.1转炉终点预测模型的结果讨论
5.4.2转炉终点多目标优化模型的结果讨论
6结论
致 谢
参考文献
附录:研究生期间发表的论文
独创性声明和学位论文使用授权书
个人简介