冶金過程數(shù)學(xué)模型與人工智能應(yīng)用

1 概述
1.1 冶金生產(chǎn)過程簡(jiǎn)述
1.1.1 煉鐵
1.1.2 煉鋼
1.2 冶金過程的特點(diǎn)與控制方法
1.2.1 冶金過程的特點(diǎn)
1.2.2 冶金過程的控制方法
1.3 冶金過程數(shù)學(xué)模型與人工智能的研究進(jìn)展
2 冶金過程檢測(cè)和自動(dòng)控制基礎(chǔ)
2.1 冶金過程信息檢測(cè)
2.1.1 冶金過程自動(dòng)化體系結(jié)構(gòu)
2.1.2 冶金過程檢測(cè)
2.2 冶金過程基礎(chǔ)自動(dòng)化
2.2.1 可編程控制器(PLC)
2.2.2 基礎(chǔ)自動(dòng)化級(jí)通信
2.2.3 人機(jī)界面技術(shù)
2.2.4 分布式計(jì)算機(jī)控制系統(tǒng)
3 過程控制數(shù)學(xué)模型與人工智能基礎(chǔ)
3.1 數(shù)學(xué)模型基礎(chǔ)
3.1.1 數(shù)學(xué)模型及其特點(diǎn)
3.1.2 數(shù)學(xué)模型在冶金中的作用
3.1.3 數(shù)學(xué)模型的建立方法及步驟
3.2 人工智能基礎(chǔ)
3.2.1 人工智能概述
3.2.2 專家系統(tǒng)
3.2.3 人工神經(jīng)網(wǎng)絡(luò)
3.2.4 模糊控制
3.3 過程控制常用模型及其算法
3.3.1 基于時(shí)間序列的預(yù)報(bào)模型
3.3.2 基于BP算法的預(yù)報(bào)模型
3.3.3 基于遺傳算法的最優(yōu)化模型
4 冶金過程數(shù)學(xué)模型
4.1 燒結(jié)過程數(shù)學(xué)模型
4.1.1 燒結(jié)配料模型
4.1.2 燒結(jié)工藝參數(shù)優(yōu)化模型
4.1.3 燒結(jié)過程熱狀態(tài)模型
4.1.4 燒結(jié)礦性能預(yù)報(bào)模型
4.2 高爐數(shù)學(xué)模型
4.2.1 高爐無料鐘布料模型
4.2.2 軟熔帶模型
4.2.3 高爐爐缸爐底侵蝕模型
4.2.4 鐵水硅含量預(yù)報(bào)模型
4.2.5 熱風(fēng)爐蓄熱室內(nèi)溫度場(chǎng)模型
4.3 轉(zhuǎn)爐數(shù)學(xué)模型
4.3.1 靜態(tài)控制模型
4.3.2 動(dòng)態(tài)控制模型
4.3.3 合金模型
4.4 電爐數(shù)學(xué)模型
4.4.1 電弧爐煉鋼合金成分控制模型
4.4.2 電弧爐冶煉能量結(jié)構(gòu)模型
4.5 爐外精煉數(shù)學(xué)模型
4.5.1 LF爐鋼包精煉合金加料與鋼水成分預(yù)報(bào)模型
4.5.2 LF爐鋼包精煉能量損耗預(yù)報(bào)模型
4.6 連鑄數(shù)學(xué)模型
4.6.1 中間包鋼液溫度模型
4.6.2 結(jié)晶器溫度場(chǎng)模型
4.6.3 板坯連鑄二冷仿真模型
5 冶金過程人工智能控制系統(tǒng)
5.1 燒結(jié)人工智能控制系統(tǒng)
5.1.1 燒結(jié)配礦專家系統(tǒng)
5.1.2 燒結(jié)過程操作優(yōu)化指導(dǎo)系統(tǒng)
5.1.3 燒結(jié)礦化學(xué)成分控制專家系統(tǒng)
5.2 高爐人工智能控制系統(tǒng)
5.2.1 高爐爐況診斷與報(bào)警專家系統(tǒng)
5.2.2 高爐綜合智能控制專家系統(tǒng)
5.2.3 熱風(fēng)爐燃燒智能控制系統(tǒng)
5.3 轉(zhuǎn)爐人工智能控制系統(tǒng)
5.3.1 基于輻射信息分析的轉(zhuǎn)爐終點(diǎn)預(yù)測(cè)
5.3.2 轉(zhuǎn)爐煉鋼智能控制系統(tǒng)
5.4 電爐人工智能控制系統(tǒng)
5.4.1 交流電弧爐智能集成計(jì)算機(jī)控制系統(tǒng)
5.4.2 電爐煉鋼專家系統(tǒng)
5.5 爐外精煉人工智能控制系統(tǒng)
5.5.1 基于故障樹的RH-KTB大型真空系統(tǒng)智能故障診斷系統(tǒng)
5.5.2 智能LF控制系統(tǒng)
5.6 連鑄人工智能控制系統(tǒng)
5.6.1 結(jié)晶器液位智能控制系統(tǒng)
5.6.2 連鑄二次冷卻動(dòng)態(tài)智能優(yōu)化控制系統(tǒng)
參考文獻(xiàn)