一、转炉炉口特征光谱的采集与应用（论文文献综述）
孙文强[1]（2021）在《基于火焰图像特征提取的转炉炼钢终点碳含量实时预报方法研究》文中研究说明转炉炼钢生产过程中,终点碳温的准确预报是钢铁产业至关重要的一环,而碳含量的准确预报对于提高钢铁冶炼工艺具有重要的意义。本文针对转炉终点炉口火焰图像相似性高,传统特征方法难以提取区分碳含量相近的火焰图像的关键特征,从炉口火焰图像的颜色特征和纹理特征提取入手开展研究,为提高基于炉口火焰图像特征提取的转炉炼钢终点碳含量预测准确率打下基础。本文的主要研究内容如下:（1）采用基于卷积神经网络火焰特征提取的终点碳含量预测方法。通过对卷积神经网络VGG-16参数进行修正,调整堆叠卷积层中卷积核大小、池化大小、补零方式、归一化以及全连接层的参数,减少了参数运算量,提升了网络训练速度。实验结果表明,使用经过参数调整优化后的VGG-16网络提取火焰图像不同层次间的抽象特征,并对23种不同碳类别下所有炉次的转炉火焰图像的终点碳含量进行预测,使得转炉终点碳含量误差范围在0.02%内的预测精度达到68.2%。（2）提出了一种基于改进完全局部二值模式（Improved complete local binary pattern,ICLBP）火焰特征提取的转炉炼钢终点碳含量预测算法。通过改进完全局部二值模式提取火焰图像特征并实现转炉终点碳含量的准确预测。具体内容如下,通过采用局部相位量化法（local phase quantization,LPQ）提取火焰图像的相位信息作为对完全局部二值模式CLBP中幅值信息CLBP＿M的补充,将幅值信息和相位信息两者的特征向量相结合组成融合特征ICLBP＿MP,以弥补CLBP在火焰图像局部结构中对纹理特征提取的不足;提出一种新颖的结合颜色信息的加权策略,解决了CLBP算法在提取火焰图像纹理特征缺乏局部对比度信息的问题。实验结果表明,本章方法对23种类别的转炉火焰图像的终点碳含量进行预测,使得转炉终点碳含量误差范围在0.02%内的预测精度达到83.9%。（3）提出了一种融合局部和全局空间信息的完全局部二值模式火焰特征提取的转炉炼钢终点碳含量预测算法。首先,使用完全局部二值求得火焰单通道和互通道图像的局部分割块并分别进行颜色加权和梯度加权以增强火焰单通道和互通道图像符号和幅值块的局部对比度;然后,将增强了局部对比度的符号和幅值块分别与火焰灰度图对应位置上的局部分割块相结合,融合火焰单通道和互通道图像之间的局部和全局空间信息。实验结果表明,本章方法对23种类别的转炉火焰图像的终点碳含量进行预测,使得转炉终点碳含量误差范围在0.02%内的预测精度达到85.2%,有效提高了转炉终点碳含量预测的准确率,解决了由于转炉炉口火焰图像相似性高,导致的转炉终点碳含量预测精度低的问题。
熊倩[2]（2021）在《基于转炉炼钢生产过程数据集成学习的吹炼终点碳温软测量方法研究》文中研究指明转炉炼钢技术是目前全世界应用最为广泛的炼钢技术,而其关键就是实现对转炉炼钢吹炼终点的准确控制。但转炉炼钢的工业现场环境恶劣,同时伴随着生产过程中复杂的物理和化学反应,为了能够及时有效地实现终点控制,并满足出钢要求,准确地预报熔池内钢水碳含量和温度极为重要。其中,转炉炼钢生产过程数据与终点碳含量和温度有密切的关系。因此,基于转炉炼钢生产过程数据生成终点碳温软测量模型的方法应运而生。但在转炉炼钢过程中,熔池内钢水的碳含量和温度的变化是复杂的,影响因素较多。单一的全局模型在针对这些数据的时候往往表现不佳,对实际生产中因原材料的不稳定和品质存在差异等导致的炉次样本波动性较大,数据维度高等问题的诠释力度不够,因此基于集成学习的软测量建模方法通过集成多个单一的局部模型构造集成学习器,为解决上述问题提供了良好的思路。本文以集成学习的思想对转炉炼钢终点碳含量、温度构建预测模型的问题进行深入研究。（1）基于LR-SVGD模型选择的集成学习转炉炼钢终点碳温软测量方法。针对实际生产中因原料品质差异导致的炉次样本波动性较大所造成全局单一模型会影响集成效果而无法精确预测终点碳温的问题,提出一种LR-SVGD模型选择的集成学习软测量方法。首先,采用峰值密度聚类算法划分可视化后的训练数据形成局部样本子集,构建子集与原始数据间的一一对应关系生成广义回归神经网络子模型,通过LR-SVGD获得测试样本与不同模型之间的关联概率;其次,通过关联概率选择与测试样本关联较佳的广义回归神经网络子模型作为局部模型,提出LR-SVGD模型选择方法从而得到集成输出碳温预测结果。根据实际转炉炼钢生产过程数据的仿真结果,表明碳含量在±0.02%的误差范围内精度达到81%,温度在±10℃的误差范围内精度达到73.8%。（2）基于LNN-DPC加权集成学习的转炉炼钢终点碳温软测量方法。本章提出一种基于改进的密度聚类的灰色关联度加权集成软测量建模方法。首先,采用改进的峰值密度聚类算法划分降维后的训练数据形成局部样本子集,构建子集与原始数据间的一一对应关系生成高斯过程回归子模型,并在原始数据子集下度量得到熵值加权的子集“质心”;其次,通过灰色关联分析选择与测试样本关联度较强的模型作为局部模型,提出关联度加权集成策略输出碳温预测结果。根据实际转炉炼钢生产过程数据的仿真结果,表明碳含量在±0.02%的误差范围内精度达到85.2%,温度在±10℃的误差范围内精度达到84.8%。（3）基于自编码器特征提取的转炉炼钢终点碳温软测量方法。针对实际生产过程中生产过程数据维度较高不利于转炉炼钢终点碳温的准确预报的问题,采用一种基于自编码器的集成学习转炉炼钢终点碳温软测量方法。首先,采用改进的峰值密度聚类算法划分可视化后的训练数据形成局部样本子集,并通过局部样本子集与原始数据间的映射关系形成高维数据子集;其次,采用自编码器对每一个高维数据子集进行特征降维,形成降维后的数据子集训练不同模型,并通过自学习选择不同模型下的最佳训练子模型;最后,通过灰色关联分析选择与测试样本关联度较强的最佳训练子模型,得到灰色关联度加权集成模型输出碳温预测结果。根据实际转炉炼钢生产过程数据的仿真结果,表明碳含量在±0.02%的误差范围内精度达到90%,温度在±10℃的误差范围内精度达到87%。
李超[3]（2021）在《基于火焰图像识别的转炉炼钢终点碳含量实时预报方法研究》文中提出钢水碳含量终点预测作为转炉炼钢重要的一环,准确的预测将直接关系到炼钢效率,有利于减少能源和原材料浪费。由于熔池内不同比例的钢水碳含量能够反映在炉口火焰颜色、纹理形态等信息的变化上,因此采用炉口火焰图像特征提取的终点碳含量预测方法为传统预测提供一种新的参考,但火焰作为一种复杂变化的非结构对象,具有较强的随机性和相似性,给特征提取带来不小的困难,进而影响到终点预测的准确性。针对上述问题,本文将从钢水碳含量变化密切相关的炉口火焰颜色、纹理特征入手,研究炉口火焰的内在结构特点,在变化复杂的炉口火焰中提取具有区分性、鲁棒性的彩色纹理特征,进而提高终点预测精度,为后续终点碳含量预测的进一步探讨提供参考。本文的主要研究内容如下:（1）从机理分析的角度阐述转炉炼钢吹炼过程中不同钢水碳含量对应炉口火焰特征的变化情况;其次以终点时刻工业相机拍摄的不同炉次下约16000张火焰图像作为实验数据集,通过验证实验证明炉口火焰的随机性、多尺度、多方向特点。将规则纹理图像与同一炉次下的火焰图像作为对比,计算不同方向直方图的特征统计值,根据统计值的变化分析炉口火焰图像的随机性特点;利用高斯尺度金字塔构建火焰图像的多尺度表达,结合局部极值模式（Local extrema patterns,LEP）、灰度共生矩阵（Gray Level Co-occurrence Matrix,GLCM）纹理特征提取方法,根据预测结果分析炉口火焰图像的多尺度、多方向特点,为实现鲁棒性较好、预测精度高的彩色纹理特征提取模型提供指导思路。（2）针对炉口火焰的随机性特点,导致稳定特征提取困难进而影响预测准确性的问题,构建了一种局部纹理互信息特征提取方法并用于终点预测。首先,在H、S、I通道下计算局部区域的熵值谱与幅值谱;其次,关注局部区域的互补信息,分别构造中心点一阶导数非线性映射和邻域尺度间二阶导数非线性映射;最后,对不同的映射关系进行多趋势交叉编码作为火焰图像的纹理特征,同时辅以颜色三阶矩作为颜色统计特征,经KNN回归模型训练与预测,在碳含量误差±0.02%内的预测准确率达到91.1%,较好的建立与终点碳含量之间的对应关系。（3）针对已有图像特征提取算法没有充分利用到火焰形态信息,只能提取较为有限的火焰特征的问题,本章将颜色、纹理作为整体进行处理,并结合炉口火焰的随机性、多尺度以及多方向特点,构建一种改进的多趋势二进制编码彩色纹理特征表述方法（IMTBCD）。首先,采用颜色通道融合策略整合颜色与纹理信息,得到火焰图像的彩色纹理表示;其次,构建彩色纹理的非均匀多尺度表达,兼顾不同尺度的结构信息;最后,IMTBCD从不同方向对火焰纹理不同的变化进行多趋势编码,描述更加全面以及细致的纹理差异信息。选用广义回归神经网络（GRNN）在碳含量误差±0.02%内的预测精度为95.7%,较为准确地建立了从炉口火焰图像到钢水碳含量之间的对应关系,为转炉炼钢终点预测提供了一定的参考。
罗特[4]（2019）在《基于卷积神经网络火焰图像识别的转炉炼钢终点碳温实时预报》文中指出转炉炼钢终点的判定是转炉生产中的重要环节,判定的准确度直接影响生产出的钢水质量,主要判定依据是炉内钢水的碳含量和温度是否达到出钢要求,因此检测钢水中含的碳含量和温度在判定过程中占据主要因素。碳含量和温度测量的难点在于终点时刻连续实时的准确预报,现有终点时刻碳温检测的方法如副枪检测法虽然准确但成本较高不易普及且不能连续探测,传统的转炉终点判定方法利用提取的人工火焰特征虽然可以实现对转炉终点的判定,但不能连续实时的预测终点时刻熔池内的碳含量和温度,且存在易受环境干扰、丢失火焰图像特征信息多等问题而影响精度。针对此问题,本文主要研究内容描述如下:（1）通过工业相机现场采集转炉炼钢吹炼过程炉口火焰变化视频,将该火焰视频数据逐帧转至更符合人类观察的HSI色彩空间,分析随着吹炼过程的进行,火焰图像在HSI色彩空间的色度、色调值的变化趋势,找出其与转炉吹炼过程碳温变化相关联的特征,通过建立BP神经网络拟合分析转炉炼钢终点时刻火焰图像特征与碳含量和温度之间的关联关系;（2）提出基于改进的Lenet-5卷积神经网络的转炉炼钢终点碳含量预测方法,对传统Lenet-5结构的不足进行分析,在传统结构上加入局部响应归一化处理,增加模型的泛化能力,并将原有Sigmoid激活函数改为Swish激活函数,避免因参数饱和而造成梯度爆炸或消失的问题。经过多次对内部参数（如卷积核大小、全连接隐含层神经元个数、学习率等）的调整并做对比试验,建立了适合于提取火焰图像特征的基于Lenet-5卷积神经网络的转炉终点碳含量预测模型,可连续实时预测终点时刻碳含量且精度更高;（3）提出一种多尺度融合深度卷积神经网络的转炉炼钢终点碳含量预测方法,对传统卷积神经网络结构的不足进行分析,利用残差结构提升传统卷积神经网络预测模型结构的深度,结合多尺度融合卷积层,充分利用1×1卷积核降维、多通道信息关联等特点,提取丰富而又抽象的火焰图像特征,将这些提取到的火焰特征通过神经网络映射到火焰样本的标记空间,制作转炉终点火焰彩色图像数据集,训练出能够连续实时预报终点时刻碳含量的模型;（4）提出一种四元数表示的卷积神经网络转炉炼钢碳含量预测方法,分析传统卷积层分通道提取火焰图像特征的不足,建立四元数卷积四元数全连接神经网络结构模型,四元数卷积层能够保留通道之间的关联性,减少火焰图像因为分通道处理而导致的关联信息的丢失。分析传统全连接层对四元数火焰特征的影响,为了保留前面四元数卷积层提取的四元数火焰特征中多通道之间的关联性,避免被普通全连接层的操作破坏,在四元数卷积层的基础上加入四元数表示的全连接层,四元数全连接层就是满足全连接规则的1×1四元数卷积操作,使神经网络能够保留多通道关联特征,并通过实验验证了它的优越性。
周木春,赵琦,陈延如,邵艳明[5]（2018）在《基于炉口辐射光谱支持向量机回归的转炉终点碳含量检测》文中研究表明转炉终点碳含量在线检测对实现炼钢终点准确控制,提高钢铁产品质量,降低能耗,减少废气排放具有重要意义。针对转炉冶炼终点控制及碳含量检测的难题,研究了一种新的基于炉口辐射光谱分析的非接触式在线碳含量检测方法。方法基于辐射光谱的支持向量机回归（SVR）实现转炉终点前过程的碳含量预测。通过远距离光谱采集系统获取炉口火焰光谱信息,基于冶炼过程炉口火焰辐射光谱变化规律的分析,分别提取了表征辐射光谱整体特征的两个参数即总谱宽和辐射峰值、以及表征发射谱的三个特征波长600,630和775nm处的幅值作为支持向量机的输入,结合脱碳理论和实测碳值拟合重构的脱碳函数曲线作为支持向量机的输出,利用支持向量机回归方法建立光谱分布与碳含量的关系模型。通过训练样本集和测试集循环优化确定模型最佳参数。设计的仪器和优选的模型已安装在转炉生产现场长时间运行,现场实验结果表明,终点碳含量检测准确率为90.2%,测量时间小于0.3s,可实时在线检测,能够满足生产需求,为转炉冶炼终点的精确控制提供了重要依据。
张彩军,韩阳,何世宇,杨爱民,常锦才[6]（2018）在《炉口火焰光谱驱动的炼钢终点控制》文中进行了进一步梳理为自动炼钢过程中炉口火焰光谱数据的有效特征提取提供一种快速算法,实现自动炼钢过程的碳含量和温度值的动态预报,以推动智能炼钢进程。本研究采用分波段最小二乘拟合算法对炉口火焰光谱信息的稳定特征进行提取,采用小波分析方法对炉口火焰光谱信息的不稳定特征进行提取,构建了时间、光谱数据主特征、累计耗氧量、碳含量、温度值等一一对应的样本集,借助极限学习机拟合算法构建了不同条件下的自动炼钢过程的碳含量和温度动态预报模型,通过预测误差矩阵、炼钢初始条件实现了基于支持向量机的动态预报模型分类,为不同条件下的样本提供最优的动态预报模型。研究结果表明:应用分波段最小二乘拟合算法和小波分析算法提取的炉口火焰光谱信息的稳定特征和不稳定特征,可以很好地反映全光谱信息;基于绝对误差设计交叉实验,得到的样本类别、预测模型类别和样本初始条件之间呈现出了一致性;光谱信息数据挖掘可以为自动炼钢过程中碳含量和温度值的动态预报进行修正标定,为炼钢终点的控制提供支持。
吴鸿妙[7]（2018）在《转炉炼钢状态在线综合监测系统开发》文中认为钢铁在经济发展中有重要的地位,转炉炼钢是钢铁生产中的一个重要的环节,直接决定了生产钢铁的质量。对转炉炼钢状态实行在线的准确监测一直都是冶金行业一个有待解决的难题。对转炉炼钢状态实行在线综合监测有利于提高出钢质量、降低生产成本、提高冶炼的自动化并达到节能减排的作用,在冶金过程中具有重要意义。然而因为转炉吹炼过程中的高温、发生的复杂的化学反应、加入原材料的不稳定性、吹炼钢种出钢的严格性、吹炼过程中影响因素多等各方面的原因,导致很难有单一方法可以对转炉炼钢状态全过程有良好的监测效果。转炉全过程状态监测主要对转炉中可能出现的问题进行监测以及对炼钢终点的控制和预测。为了对转炉炼钢全过程状态进行有效的监测,本文利用四种监测方法结合,其中氧枪振动和声呐化渣主要监测转炉吹炼过程中因化渣不好而可能出现的影响钢水质量的问题,红外测温和火焰光谱分析主要用于对转炉终点的预测和判定。四种方法相互配合可以对转炉多个因素进行监测,消除单一方法带来的较大误差和影响因素。介绍了采用的四种方法的原理并且设计了针对转炉的监测方案,搭建了红外测温和氧枪振动的监测系统,并对其系统组成、传感器选型、硬件选择、数据采集和通信方式做了详细说明。根据监测需要,分析软件需求,设计软件的整体框架,对软件设计过程中使用到的多线程技术、MFC技术和XML技术在实际中的应用进行说明,将软件设计过程模块化,主要分为参数模块、图形显示模块和数据采集处理模块,其中重点为数据采集处理模块,介绍了其中数据处理流程和使用的算法。最后展示了软件运行流程。搭建了红外测温实验系统和介绍了氧枪振动系统的界面和模拟状态。对比采集的转炉钢水终点温度和厂方测量的终点温度,说明红外测温的可行性。分析了转炉终点火焰情况对红外测温的影响。
王勇青[8]（2017）在《转炉炼钢炉口光谱分析用于终点温度控制的研究》文中研究说明转炉炼钢是现代钢铁生产中重要方式,我国86%的钢产量出自转炉炼钢。转炉炼钢终点控制是其关键工艺之一。所谓转炉炼钢终点控制是指在炼钢过程中,准确地控制冶炼终点钢水温度和碳含量,对控制钢水质量,节能降耗,提高劳动生产率有着及其重要的意义。在转炉冶炼过程中,由于加入原材料的不稳定性和吹炼过程中复杂的化学反应,对终点碳、温度进行准确地在线检测,一直是全世界冶金行业亟待解决的难题。本文针对这一问题,基于转炉炼钢炉口的光谱辐射信息特征分析,开展转炉炼钢钢水温度在线非接触测量研究,从而实现终点温度准确的在线控制。通过对炉口 345nm到1045nm波段的光谱数据分析,炉口光谱为特征谱线叠加在连续辐射上,在可见光波段有明显的辐射能力。依据所获得的炉口辐射光谱信息,根据黑体辐射理论采用双色法、三色法（灰体模型和Hottel-Broughton模型）及多光谱分析方法分别计算了辐射的平均温度。以彩色CCD为探测器件测量了转炉口光谱辐射投影温度,并进行了伪彩色编码;对转炉口辐射光谱图像进行预处理,包括灰度增强处理、去噪处理、大津（OTSU）阈值分割等;将RGB彩色图像变换到其他彩色空间进行灰度处理;统计了转炉辐射光谱图像ROI区域内的灰度平均值,统计了图像灰度共生矩阵和灰度差分矩阵,提取出图像的角二阶矩、熵、惯性矩、相关性、逆差矩、均值等纹理特征量。统计的灰度平均值及纹理特征量都将作为建立钢水温度预测模型的输入参量。针对实际炼钢现场的各种干扰,以特征波长的强度信号、反映整体辐射强度的信号、反映冶炼时间参量的帧数序号、反映光谱辐射面强度信号的平均灰度值、以及实际炼钢现场的各种干扰,辐射图像的一些纹理特征作为网络的输入参量,首次成功设计了能够排除多种实际现场干扰的终点温度预测模型。本文测试的千余炉数据均采集于实际的转炉吹炼过程。现场试验结果表明,本文构建的终点钢水温度预测模型,完全满足了实际转炉炼钢现场要求。在国内外首次成功实现了采用转炉炼钢炉口的光谱辐射信息特征分析,进行转炉吹炼终点温度的在线实时地准确预测。对世界转炉炼钢终点控制技术的发展具有开创性的意义和广泛的应用价值。
邵艳明[9]（2016）在《基于火焰多光谱分析的转炉终点控制研究》文中认为转炉炼钢生产效率高、能耗低,是目前钢铁行业中最主要的炼钢生产方式之一,其吹炼终点的准确控制对降低能源消耗、节约生产成本,提高钢产品质量,提升环保能力,扩大产品范围具有决定性的影响。然而,由于转炉炼钢所采用的原料成分不稳定,吹炼过程涉及多种高温环境下复杂的物理、化学反应,吹炼终点的熔池成分受众多因素影响,使得转炉炼钢终点的在线准确控制至今难以实现,这也是全世界冶金行业亟待解决的难题。本文针对上述问题展开研究,具体内容包括以下几个方面:构建了炉口火焰多光谱辐射信息采集系统,该系统能够在炼钢现场的复杂环境下稳定地实现远距离、非接触式的炉口火焰多光谱辐射信息的采集,且采集过程不受转炉的吹炼工艺变化以及转炉炉型差异的影响;将不同吹炼阶段炉口火焰的光谱分布特征和转炉炉前操作工人的经验相结合,分析了转炉吹炼过程中炉口火焰与熔池状态之间所存在的规律。以吹炼过程中与熔池碳含量相关的炉口火焰光谱特征及吹炼参数作为模型的输入变量,分别提出了两种针对于不同的终点目标碳含量范围的基于支持向量机分类与回归混合模型的终点碳含量预报方法。提出了采用吹炼中期的炉口火焰光谱特征等作为输入变量来构建终点磷含量二分类模型的方法。提出了采用炉内钢水作为辐射源来测量辐射采集系统的响应系数的方法,并分别采用双波长法和多光谱法对炉口火焰温度进行计算。考虑到炉口火焰温度与熔池温度之间的联系,构建了基于支持向量机回归算法的终点温度预测模型,实现了熔池温度的在线、非接触式的准确预测。本文所有数据均是在实际的转炉吹炼过程中采集得到的。此外,为了检验所提出的方法与系统的实际应用效果,将上述系统与终点碳温预报模型应用于炼钢厂的实际吹炼过程。实验对象均是随机抽样的钢厂正常的吹炼过程。实验结果表明,本文所构建的终点预测模型能够完全满足炼钢现场的实际要求,在国内外首次实现了采用炉口火焰多光谱分析进行转炉吹炼终点的准确预测,其终点命中率相比于人工经验法的73%提升了约20%。本文的研究方法能够适用于不同的转炉炼钢工艺,且不受吹炼过程中复杂的熔池反应的影响,对世界转炉炼钢终点控制技术的发展具有开创性的意义和广泛的应用价值。
邵艳明,赵书安,陈延如,俞仁龙,赵琦[10]（2015）在《基于多光谱测温法的转炉炉口火焰温度预测研究》文中研究说明对转炉炼钢过程中炉口火焰温度的非接触式在线测量进行了研究。采用无需假设发射率模型的基于最小二乘法的多光谱测温法,利用海洋光学的微型光谱仪USB4000作为分光器件,构建了相应的炉口火焰辐射信息采集系统。采用与炉口火焰温度相近的炉内铁水作为辐射源对系统进行标定,获得其响应系数。选取不同波段的光谱数据,分别将改进的标定方式以及利用卤钨灯进行标定的方式应用于倒炉铁水温度的测量,测温结果表明,波长区间为600740 nm时,采用改进的方式取得的结果最优。将该方法应用于冶炼过程中炉口火焰温度的在线测量,得到炉口火焰温度在整个吹炼过程中的变化趋势。结果表明,采用所提出的测温方法不仅可以在线反映转炉操作对炉口火焰温度的影响,同时也为炉口操作工人判断炉内铁水的温度提供了有效的依据。
二、转炉炉口特征光谱的采集与应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、转炉炉口特征光谱的采集与应用（论文提纲范文）
（1）基于火焰图像特征提取的转炉炼钢终点碳含量实时预报方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 人工经验法 |
| 1.2.2 静态控制法 |
| 1.2.3 动态控制法 |
| 1.2.4 炉气分析法 |
| 1.2.5 光学图像法 |
| 1.2.6 图像识别法 |
| 1.3 本文研究内容及结构 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文结构 |
| 第二章 基于卷积神经网络火焰特征提取的终点碳含量预测方法 |
| 2.1 VGG网络模型 |
| 2.2 基于卷积神经网络VGG-16 的终点碳含量预测方法 |
| 2.2.1 基于卷积神经网络VGG-16 的终点碳含量预测方法流程 |
| 2.2.2 卷积神经网络VGG-16 的参数调整 |
| 2.3 实验与分析 |
| 2.3.1 实验平台与数据 |
| 2.3.2 实验结果 |
| 2.3.3 实验分析 |
| 2.4 本章小结 |
| 第三章 基于改进完全局部二值模式火焰特征提取的终点碳含量预测方法 |
| 3.1 本章算法 |
| 3.2 火焰图像色彩空间转换 |
| 3.3 改进的完全局部二值模式特征提取方法 |
| 3.3.1 完全局部二值模式 |
| 3.3.2 改进算法的结构设计 |
| 3.3.3 改进算法的颜色对比度加权策略 |
| 3.4 实验与分析 |
| 3.4.1 实验平台与数据 |
| 3.4.2 本章方法对CLBP算法性能的贡献 |
| 3.4.3 本章方法与其他方法性能比较 |
| 3.5 本章小结 |
| 第四章 融合空间信息的完全局部二值模式火焰特征提取的终点碳含量预测方法 |
| 4.1 本章算法 |
| 4.2 改进的完全局部二值模式特征提取方法 |
| 4.2.1 融合颜色加权的局部和全局空间信息 |
| 4.2.2 融合梯度加权的局部和全局空间信息 |
| 4.3 实验与分析 |
| 4.3.1 实验平台与数据 |
| 4.3.2 本章方法对CLBP算法性能的贡献 |
| 4.3.3 本章方法与其他方法性能比较 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士学位期间发表成果 |
| 附录 B:攻读硕士学位期间参与科研项目 |
（2）基于转炉炼钢生产过程数据集成学习的吹炼终点碳温软测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 转炉终点碳温测量研究现状 |
| 1.2.1 直接检测技术 |
| 1.2.2 间接检测技术 |
| 1.2.3 基于生产过程数据的终点碳温软测量方法 |
| 1.3 论文研究内容及结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第二章 基于LR-SVGD模型选择的集成学习转炉炼钢终点碳温软测量方法 |
| 2.1 本章方法思路 |
| 2.2 基于DPC的转炉炼钢生产过程数据聚类算法 |
| 2.2.1 基于t-SNE的转炉炼钢生产过程数据降维 |
| 2.2.2 密度峰值聚类算法 |
| 2.3 基于LR-SVGD模型选择的转炉炼钢终点碳温建模方法 |
| 2.3.1 基于GRNN的碳温预报子模型构建 |
| 2.3.2 基于LR-SVGD的碳温预报子模型选择 |
| 2.4 基于转炉炼钢生产过程数据的集成学习终点碳温软测量模型 |
| 2.4.1 基于DPC的碳温预报子模型构建 |
| 2.4.2 碳温预测子模型的选择集成融合策略 |
| 2.4.3 集成软测量建模具体实施步骤 |
| 2.5 实验与分析 |
| 2.5.1 实验平台与数据 |
| 2.5.2 实验结果对比 |
| 2.5.3 实验结果分析 |
| 2.6 本章小结 |
| 第三章 基于LNN-DPC加权集成学习的转炉炼钢终点碳温软测量方法 |
| 3.1 本章方法思路 |
| 3.2 基于LNN-DPC加权集成学习的终点碳温软测量方法 |
| 3.2.1 基于密度聚类的转炉炼钢生产过程数据子集聚类 |
| 3.2.2 生产过程数据样本子集“质心”确定 |
| 3.3 转炉炼钢生产过程数据加权集成软测量建模 |
| 3.3.1 基于高斯过程回归的碳温预报子模型构建 |
| 3.3.2 碳温预报子模型的选择和融合策略 |
| 3.4 基于转炉炼钢生产过程数据的加权集成学习终点碳温软测量模型 |
| 3.4.1 基于LNN-DPC的碳温预报子模型构建 |
| 3.4.2 碳温预测子模型的选择集成融合策略 |
| 3.4.3 集成软测量建模具体实施步骤 |
| 3.5 实验与分析 |
| 3.5.1 实验平台与数据 |
| 3.5.2 实验结果对比 |
| 3.5.3 实验结果分析 |
| 3.6 本章小结 |
| 第四章 基于自编码器特征提取集成学习的转炉炼钢终点碳温软测量方法 |
| 4.1 本章方法思路 |
| 4.2 基于自编码器特征提取的集成学习终点碳温软测量建模 |
| 4.2.1 基于LNN-DPC的转炉炼钢生产过程数据聚类 |
| 4.2.2 自编码器 |
| 4.2.3 基于KNN的碳温预报子模型构建 |
| 4.2.4 基于决策回归树的碳温预报子模型构建 |
| 4.2.5 基于SVR的碳温预报子模型构建 |
| 4.2.6 基于GPR的碳温预报子模型构建 |
| 4.2.7 碳温预报子模型的选择与集成加权策略 |
| 4.3 集成学习终点碳温软测量模型的构建 |
| 4.3.1 基于LNN-DPC的转炉炼钢生产过程数据子集构建 |
| 4.3.2 碳温预测子模型的选择集成融合策略 |
| 4.3.3 集成软测量建模具体实施步骤 |
| 4.4 实验与分析 |
| 4.4.1 实验平台与数据 |
| 4.4.2 实验结果对比 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士学位期间发表成果 |
| 附录 B:攻读硕士学位期间参与科研项目 |
（3）基于火焰图像识别的转炉炼钢终点碳含量实时预报方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 人工经验与取样分析法 |
| 1.2.2 静态模型预测法 |
| 1.2.3 动态预测法 |
| 1.2.4 光谱辐射分析法 |
| 1.2.5 数字图像分析法 |
| 1.3 论文研究内容及结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第二章 转炉炼钢炉口火焰的特点分析 |
| 2.1 吹炼过程中的炉口火焰特征分析 |
| 2.2 炉口火焰图像的特点分析 |
| 2.2.1 实验数据介绍 |
| 2.2.2 火焰图像的随机性特点分析 |
| 2.2.3 火焰图像的多尺度特点分析 |
| 2.2.4 火焰图像的多方向特点分析 |
| 2.3 本章小结 |
| 第三章 基于火焰图像局部纹理互信息特征提取的转炉炼钢终点碳含量预测 |
| 3.1 本章算法 |
| 3.2 HSI空间的颜色三阶矩特征提取 |
| 3.3 炉口火焰的局部纹理互信息表示 |
| 3.4 局部纹理互信息特征提取 |
| 3.5 基于火焰图像局部纹理互信息特征提取的转炉炼钢终点碳含量预测 |
| 3.6 实验与分析 |
| 3.6.1 实验平台与数据 |
| 3.6.2 本章方法的性能比较 |
| 3.6.3 本章方法与其他方法性能比较 |
| 3.7 本章小结 |
| 第四章 基于改进MTBCD彩色纹理特征提取的转炉炼钢终点碳含量预测 |
| 4.1 本章算法 |
| 4.2 炉口火焰图像的彩色纹理特征提取 |
| 4.2.1 火焰图像的彩色纹理表示 |
| 4.2.2 多尺度非均匀选取采样点 |
| 4.2.3 改进的多趋势二进制编码描述符 |
| 4.3 基于炉口火焰图像特征提取的终点碳含量预测 |
| 4.4 实验与分析 |
| 4.4.1 实验平台及数据介绍 |
| 4.4.2 本章方法改进前后的性能比较 |
| 4.4.3 本章方法与其它方法的性能比较 |
| 4.4.4 不同的回归模型预测性能比较 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士学位期间发表成果 |
| 附录 B:攻读硕士学位期间参与科研项目 |
（4）基于卷积神经网络火焰图像识别的转炉炼钢终点碳温实时预报（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 人工经验及取样判定法 |
| 1.2.2 副枪检测及炉气分析法 |
| 1.2.3 炉口火焰光学图像判定法 |
| 1.3 本文研究内容及本文结构 |
| 1.3.1 研究内容 |
| 1.3.2 本文结构 |
| 第二章 火焰色度色调特征与吹炼过程碳温关系研究 |
| 2.1 火焰图像色度色调特征与碳温关系分析 |
| 2.1.1 火焰色度色调特征提取方法 |
| 2.1.2 火焰图像色度亮度特征与碳温的拟合方法 |
| 2.2 实验与分析 |
| 2.2.1 实验数据及平台介绍 |
| 2.2.2 实验流程 |
| 2.2.3 实验结果 |
| 2.2.4 结果分析 |
| 2.3 本章总结 |
| 第三章 基于卷积神经网络的转炉炼钢碳含量实时预报方法 |
| 3.1 基于改进Lenet-5 的转炉炼钢碳含量实时预报方法 |
| 3.1.1 算法的流程与思路 |
| 3.1.2 传统Lenet-5 算法分析及不足 |
| 3.1.3 改进的Lenet-5 算法 |
| 3.1.4 实验数据准备与平台搭建 |
| 3.1.5 实验与分析 |
| 3.2 基于多尺度融合的深度卷积神经网络转炉炼钢终点碳含量实时预报方法 |
| 3.2.1 多尺度融合的深度卷积神经网络 |
| 3.2.2 多尺度融合卷积层 |
| 3.2.3 深度网络结构 |
| 3.2.4 实验结果及分析 |
| 3.3 本章小节 |
| 第四章 基于四元数卷积四元数全连接神经网络的转炉炼钢终点碳含量预测方法 |
| 4.1 算法的流程与思路 |
| 4.2 四元数卷积四元数全连接神经网络的结构与原理 |
| 4.2.1 四元数彩色图像的表示方法 |
| 4.2.2 网络结构与原理 |
| 4.2.3 多通道互联全连接方法 |
| 4.3 实验与分析 |
| 4.3.1 硬件平台及数据来源 |
| 4.3.2 软件平台 |
| 4.3.3 实验结果 |
| 4.3.4 结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A:攻读硕士学位期间发表成果 |
| 附录 B:攻读硕士学位期间参与科研项目 |
（5）基于炉口辐射光谱支持向量机回归的转炉终点碳含量检测（论文提纲范文）
| 引言 |
| 1 实验部分 |
| 1.1 系统原理 |
| 1.2 火焰辐射光谱 |
| 1.3 数据处理 |
| 1.4 参量提取 |
| 2 结果与讨论 |
| 2.1 光谱数据获取及预处理 |
| 2.2 数据的规格化 |
| 2.3 建模过程与结果 |
| 2.4 现场测试结果与分析 |
| 3 结论 |
（6）炉口火焰光谱驱动的炼钢终点控制（论文提纲范文）
| 0 引言 |
| 1 炼钢过程中光谱数据的产生 |
| 2 光谱特征提取及样本集构建 |
| 2.1 基于最小二乘拟合的光谱稳定特征提取 |
| 2.2 基于小波分析的光谱不稳定特征提取 |
| 2.3 样本集构建 |
| 3 转炉终点碳含量与温度动态预报 |
| 3.1 样本集信息 |
| 3.2 基于极限学习机的动态预报模型 |
| 3.3 动态预报模型优选分类器的构建 |
| 3.4 动态预报模型测试及分析 |
| 4 结论 |
（7）转炉炼钢状态在线综合监测系统开发（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 转炉炼钢工艺简介 |
| 1.3 转炉状态监测现状 |
| 1.3.1 转炉终点控制现状 |
| 1.3.2 转炉状态控制发展趋势 |
| 1.4 一种综合监测方法的提出 |
| 1.5 论文组织框架 |
| 2 转炉炼钢过程分析 |
| 2.1 转炉炼钢过程 |
| 2.1.1 炼钢的基本任务 |
| 2.1.2 吹炼过程 |
| 2.2 吹炼过程的重要反应 |
| 2.3 吹炼过程的主要问题 |
| 2.3.1 喷溅问题 |
| 2.3.2 返干问题 |
| 2.3.3 回磷问题 |
| 2.4 本章小结 |
| 3 转炉炼钢状态综合监测方法 |
| 3.1 综合监测方法 |
| 3.2 双色红外测温 |
| 3.2.1 测温原理 |
| 3.2.2 红外测温方案 |
| 3.3 火焰光谱分析 |
| 3.3.1 火焰光谱测温原理 |
| 3.3.2 火焰光谱测温方案 |
| 3.4 氧枪振动监测技术 |
| 3.4.1 振动监测原理 |
| 3.4.2 振动监测方案 |
| 3.5 声呐化渣技术 |
| 3.5.1 声呐化渣原理 |
| 3.5.2 声呐化渣方案 |
| 3.6 本章小结 |
| 4 转炉炼钢状态综合监测系统总体设计 |
| 4.1 转炉在线监测系统整体架构 |
| 4.2 红外双色测温方案设计要点 |
| 4.2.1 测温系统组成 |
| 4.2.2 红外测温仪选型 |
| 4.2.3 数据采集与通信 |
| 4.3 氧枪振动监测方案设计要点 |
| 4.3.1 振动监测系统组成 |
| 4.3.2 振动传感器选型 |
| 4.3.3 振动信号采集与处理 |
| 4.4 本章小结 |
| 5 转炉在线监测系统软件设计 |
| 5.1 监测软件总体架构 |
| 5.1.1 软件需求分析 |
| 5.1.2 软件总体设计 |
| 5.2 软件开发技术 |
| 5.2.1 软件中多线程的应用 |
| 5.2.2 软件中MFC编程的应用 |
| 5.2.3 软件中XML的应用 |
| 5.3 软件开发中的关键模块 |
| 5.3.1 参数设置模块 |
| 5.3.2 数据处理模块 |
| 5.3.3 图形化显示模块 |
| 5.4 软件运行监测流程 |
| 5.5 本章小结 |
| 6 系统测试平台的搭建与实验 |
| 6.1 系统测试平台的搭建 |
| 6.1.1 红外测温平台的搭建 |
| 6.1.2 振动系统界面 |
| 6.2 实验数据与分析 |
| 6.2.1 钢水终点温度测量 |
| 6.2.2 转炉火焰影响 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作不足与展望 |
| 参考文献 |
（8）转炉炼钢炉口光谱分析用于终点温度控制的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 转炉炼钢终点控制技术发展与研究现状 |
| 1.2.1 转炉炼钢的终点碳含量控制方法 |
| 1.2.2 转炉炼钢的终点温度控制方法 |
| 1.3 本文主要研究内容 |
| 2 炉口辐射信息理论基础及其光谱特性分析 |
| 2.1 理论基础 |
| 2.1.1 系统设计的辐射理论及基本参量 |
| 2.1.2 朗伯(Lambert)漫辐射体及黑体辐射定律 |
| 2.1.3 转炉口光谱辐射特性 |
| 2.2 转炉口辐射光谱特性分析 |
| 2.2.1 炉口辐射单帧光谱特性 |
| 2.2.2 炉口光辐射闪烁特性分析及光谱数据处理 |
| 2.2.3 单帧光谱数据基线的提取 |
| 2.3 本章小结 |
| 3 转炉口辐射测温技术研究 |
| 3.1 表观温度与真实温度的关系 |
| 3.1.1 亮度温度 |
| 3.1.2 全辐射温度 |
| 3.1.3 颜色温度 |
| 3.2 有效波长 |
| 3.2.1 有效波长的意义 |
| 3.2.2 极限有效波长 |
| 3.3 多波长分析方法测量转炉口辐射温度 |
| 3.3.1 炉口辐射的非灰理论 |
| 3.3.2 基于双色法的CCD测温法 |
| 3.3.3 三色CCD测温法 |
| 3.3.4 多光谱用于辐射温度的测量 |
| 3.4 LabView平台下多波长辐射测温(MWTM)软件设计 |
| 3.4.1 软件各部分功能综述 |
| 3.4.2 软件MWTM中的计算方法和程序界面 |
| 3.5 现场试验结果分析 |
| 3.6 本章小结 |
| 4 转炉口光辐射投影温度场测量及纹理特征量提取 |
| 4.1 转炉口辐射图像的预处理 |
| 4.1.1 多帧转炉辐射图像加权平均 |
| 4.1.2 转炉辐射图像去噪处理 |
| 4.1.3 转炉口辐射图像的分割 |
| 4.2 转炉口光辐射投影温度场检测 |
| 4.3 转炉口辐射特征参量的提取 |
| 4.3.1 转炉辐射图像RGB到HSI、HSL、HSV色彩空间信息提取 |
| 4.3.2 转炉口辐射图像纹理特征提取 |
| 4.4 本章小结 |
| 5 基于小波神经网络(WNN)的转炉炼钢终点温度控制 |
| 5.1 小波神经网络(Wavelet Neural Network,WNN) |
| 5.1.1 小波变换及其滤波性质 |
| 5.1.2 人工神经网络(ANN) |
| 5.2 基于S型函数和Morlet小波函数的BP神经网络(SMNN) |
| 5.2.1 S型函数和Morlet函数 |
| 5.2.2 SMNN网络神经元的构成 |
| 5.2.3 SMNN网络神经元数目的确定 |
| 5.2.4 SMNN网络的学习规则 |
| 5.2.5 反馈型神经元的拓扑结构及其权值修正量 |
| 5.3 SMNN在转炉终点钢水温度控制中的应用 |
| 5.3.1 输入参量的选择和归一化 |
| 5.3.2 SMNN网络训练目标值的确定 |
| 5.3.3 SMNN网络的预测结果和分析 |
| 5.4 数据挖掘在转炉冶炼终点时刻钢水温度校正中的应用 |
| 5.4.1 数据预处理 |
| 5.4.2 级数型多项式数学模型的建立 |
| 5.4.3 BP网络数学模型 |
| 5.5 测试结果分析 |
| 5.6 本章小结 |
| 6 转炉炼钢炉口辐射综合系统设计 |
| 6.1 望远光学系统设计 |
| 6.2 小视场光学探测器件 |
| 6.3 炉口辐射视频探测系统 |
| 6.4 本章小结 |
| 7 全文总结、创新点及工作展望 |
| 7.1 论文总结 |
| 7.2 论文创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文和出版着作情况 |
| 以论文研究内容申请的专利(指导老师为申请人） |
| 攻读博士学位期间参加的科学研究情况 |
| 附录A 三波长法计算的随时间变化的42炉辐射温度 |
| 附录B 波长589nm随时间变化的强度信号及其小波滤波信号 |
| 附录C 不同帧数辐射图像RGB、灰度、高斯及自适应高斯低通滤波 |
| 附录D 第7炉不同帧数辐射温度投影图 |
| 附录E 第15炉不同帧数辐射温度投影图 |
| 附录F 第39炉不同帧数辐射温度投影图 |
| 附录G 辐射图像灰度共生矩阵纹理特征量计算程序 |
| 附录H 辐射图像灰度差分矩阵纹理特征量计算程序 |
| 附录I 转炉炼钢辐射视频分析系统界面图 |
| 附录J 转炉炼钢辐射视频分析系统后面板程序框图 |
（9）基于火焰多光谱分析的转炉终点控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 转炉炼钢吹炼过程 |
| 1.3 转炉炼钢终点控制技术发展与研究现状 |
| 1.3.1 静态控制 |
| 1.3.2 动态控制方法 |
| 1.3.2.1 经验模型 |
| 1.3.2.2 机理模型 |
| 1.3.2.3 灰箱模型 |
| 1.3.3 终点控制方法的现状分析 |
| 1.4 研究内容与结构安排 |
| 2 炉口火焰辐射信息采集系统及其多光谱分析 |
| 2.1 炉口火焰光谱辐射探测的理论基础 |
| 2.2 炉口火焰辐射信息采集系统组成 |
| 2.3 光谱仪的选取 |
| 2.4 炉口火焰辐射信息采集系统软件设计 |
| 2.4.1 火焰光谱数据读取 |
| 2.4.2 火焰光谱数据的存储 |
| 2.5 炉口火焰多光谱辐射信息分析 |
| 2.5.1 火焰光谱预处理 |
| 2.5.2 炉口火焰光谱特征分析 |
| 2.6 本章小结 |
| 3 支持向量机建模方法及转炉终点碳磷预测模型 |
| 3.1. 支持向量机原理 |
| 3.1.1 线性可分二分类问题 |
| 3.1.2 非线性可分二分类问题 |
| 3.1.3 回归问题 |
| 3.2 转炉终点预测模型的优化 |
| 3.2.1 模型优化的过拟合现象 |
| 3.2.2 转炉终点预测模型的参数优化 |
| 3.3 转炉终点碳含量回归预测建模 |
| 3.3.1 终点预测模型的构建 |
| 3.3.2 模型预测结果及其分析 |
| 3.4 终点磷含量的分类预测模型 |
| 3.4.1 机理分析 |
| 3.4.2 分类模型的构建 |
| 3.4.3 分类结果 |
| 3.5 本章小结 |
| 4 基于支持向量多类分类及回归拟合的转炉终点碳含量预测模型 |
| 4.1 终点碳含量多类分类预测模型的可行性分析 |
| 4.2 支持向量机多类分类原理 |
| 4.3 终点碳含量多类分类及拟合混合预测模型的构建 |
| 4.3.1 终点碳含量多类分类模型的构建 |
| 4.3.2 终点碳含量拟合模型的构建 |
| 4.3.3 终点碳含量的混合模型构建 |
| 4.4 本章小结 |
| 5 基于辐射光谱法的转炉终点温度预测模型 |
| 5.1 现有的火焰温度测量方法 |
| 5.1.1 激光光谱法 |
| 5.1.2 辐射光谱法 |
| 5.2 辐射响应系数的测量 |
| 5.3 双波长法炉口火焰温度测量 |
| 5.3.1 双波长法的种类 |
| 5.3.2 波长间隔的选取 |
| 5.4 多光谱法炉口火焰温度测量 |
| 5.4.1 多光谱法的种类 |
| 5.4.2 基于最小平方法的炉口火焰温度测量 |
| 5.5 基于辐射测温法的终点熔池温度拟合 |
| 5.6 本章小结 |
| 6. 转炉炼钢现场实验与结果分析 |
| 6.1 转炉吹炼终点实时测量系统 |
| 6.1.1 光谱数据处理模块 |
| 6.1.2 PC与工控机之间进行通讯 |
| 6.1.3 转炉炼钢现场实验程序 |
| 6.2 终点碳含量预测模型实验结果 |
| 6.3 温度预测模型现场实验结果 |
| 6.4 实验结果分析 |
| 6.5 本章小结 |
| 7 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 论文创新点 |
| 7.3 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及着作 |
| 攻读博士学位期间参加的研究课题 |
| 附录Ⅰ |
| 附录Ⅱ |
| 附录Ⅲ |
（10）基于多光谱测温法的转炉炉口火焰温度预测研究（论文提纲范文）
| 1引言 |
| 2多光谱测温原理 |
| 3实验装置 |
| 4系统校准 |
| 5实验结果与分析 |
| 5.1 波段分析 |
| 5.2计算结果分析 |
| 6结论 |
四、转炉炉口特征光谱的采集与应用（论文参考文献）
- [1]基于火焰图像特征提取的转炉炼钢终点碳含量实时预报方法研究[D]. 孙文强. 昆明理工大学, 2021(01)
- [2]基于转炉炼钢生产过程数据集成学习的吹炼终点碳温软测量方法研究[D]. 熊倩. 昆明理工大学, 2021(01)
- [3]基于火焰图像识别的转炉炼钢终点碳含量实时预报方法研究[D]. 李超. 昆明理工大学, 2021(01)
- [4]基于卷积神经网络火焰图像识别的转炉炼钢终点碳温实时预报[D]. 罗特. 昆明理工大学, 2019(04)
- [5]基于炉口辐射光谱支持向量机回归的转炉终点碳含量检测[J]. 周木春,赵琦,陈延如,邵艳明. 光谱学与光谱分析, 2018(06)
- [6]炉口火焰光谱驱动的炼钢终点控制[J]. 张彩军,韩阳,何世宇,杨爱民,常锦才. 仪器仪表学报, 2018(01)
- [7]转炉炼钢状态在线综合监测系统开发[D]. 吴鸿妙. 浙江大学, 2018(06)
- [8]转炉炼钢炉口光谱分析用于终点温度控制的研究[D]. 王勇青. 南京理工大学, 2017(07)
- [9]基于火焰多光谱分析的转炉终点控制研究[D]. 邵艳明. 南京理工大学, 2016(07)
- [10]基于多光谱测温法的转炉炉口火焰温度预测研究[J]. 邵艳明,赵书安,陈延如,俞仁龙,赵琦. 光学学报, 2015(11)