1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 主要研究内容
1.4 论文结构安排
2 相关理论基础
2.1 LF炉精炼技术概述
2.1.1 LF炉结构与工艺介绍
2.1.2 LF炉传统供电模型
2.1.3 LF炉传统吹氩模型
2.2 供电吹氩模型影响因素分析
2.2.1 LF炉供电模型分析
2.2.2 LF炉吹氩模型分析
2.3 本章小结
3 基于组合核函数的SVR预估模型
3.1 数据预处理
3.1.1 数据获取与清洗
3.1.2 数据检验与归一
3.2 SVR理论及核函数改进
3.2.1 支持向量回归机(SVR)
3.2.2 核函数性质
3.2.3 基于组合核原理的组合核函数
3.3 实验流程及结果分析
3.3.1 基于组合核函数的SVR预估模型建模流程
3.3.2 模型对比与结果分析
3.4 本章小结
4 LSTM-Attention预估模型
4.1 深度学习模型
4.1.1 长短期记忆神经网络(LSTM)
4.1.2 注意力机制(Attention)
4.2 基于LSTM-Attention建立预估模型
4.2.1 数据预处理
4.2.2 Attention机制的实现
4.2.3 LSTM-Attention预估模型网络结构
4.2.4 LSTM-Attention预估模型建模流程
4.3 仿真实验及结果分析
4.3.1 实验环境及参数设置
4.3.2 实验结果及分析评价
4.4 本章小结
5 LF炉供电吹氩模型验证
5.1 LF二级系统介绍
5.2 供电及吹氩模型功能设计与运行流程
5.2.1 供电及吹氩模型功能设计
5.2.2 供电与吹氩模型运行流程
5.3 供电模型及吹氩模型验证
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士学位期间主要研究成果
西安理工大学;