基于RBF神经网络和模糊理论的连铸漏钢预报系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第1章 绪论 | 第11-16页 |
| ·引言 | 第11-12页 |
| ·漏钢预报的现状和发展趋势 | 第12-14页 |
| ·本文主要研究工作 | 第14-16页 |
| 第2章 漏钢的形成机理及预报方法 | 第16-26页 |
| ·连铸工艺流程 | 第16-18页 |
| ·漏钢事故及预防措施 | 第18-23页 |
| ·弯月面的作用 | 第18-21页 |
| ·粘结漏钢的形成过程 | 第21-22页 |
| ·粘结漏钢的预防措施 | 第22-23页 |
| ·粘结性漏钢的预报方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 RBF 网络应用于漏钢预报 | 第26-52页 |
| ·神经网络简介 | 第26-27页 |
| ·RBF 神经网络 | 第27-30页 |
| ·RBF 网络的结构 | 第27-30页 |
| ·RBF 网络的优势 | 第30页 |
| ·RBF 网络算法的改进 | 第30-36页 |
| ·最近邻聚类学习算法 | 第31-34页 |
| ·算法改进 | 第34-35页 |
| ·算法步骤 | 第35-36页 |
| ·RBF 神经网络模型的建立 | 第36-46页 |
| ·数据预处理 | 第37-38页 |
| ·单偶时序网络 | 第38-41页 |
| ·组偶空间网络 | 第41-46页 |
| ·RBF 神经网络模型的性能评价 | 第46-50页 |
| ·网络性能测试 | 第46-49页 |
| ·基于RBF 网络的漏钢预报所存在的问题 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 T-S 模糊神经网络应用于漏钢预报 | 第52-66页 |
| ·模糊神经网络 | 第52-55页 |
| ·模糊理论基础 | 第52-54页 |
| ·模糊逻辑和神经网络的结合 | 第54-55页 |
| ·T-S 模糊神经网络 | 第55-58页 |
| ·T-S 模糊神经网络模型的建立 | 第58-63页 |
| ·网络参数的确定 | 第58-59页 |
| ·网络算法 | 第59-61页 |
| ·网络的训练 | 第61-63页 |
| ·漏钢预报系统的性能评价 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 漏钢预报系统仿真软件的开发 | 第66-73页 |
| ·MATLAB 环境下的诊断仿真 | 第66-68页 |
| ·MATLAB 语言的特点 | 第66-67页 |
| ·MATLAB 环境下系统仿真流程 | 第67-68页 |
| ·漏钢预报界面 | 第68-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |
