首页--工业技术论文--冶金工业论文--有色金属冶炼论文--轻金属冶炼论文--铝论文

基于神经网络的氧化铝浓度控制模型研究

中文摘要第1-4页
英文摘要第4-9页
1 绪论第9-15页
   ·课题的研究背景和意义第9-10页
   ·铝电解国内外发展与研究现状况第10-12页
     ·国内外铝电解效率状况第10页
     ·国内外铝电解技术现状况第10-12页
   ·本文研究的目的和内容第12-13页
     ·本文研究的目的第12页
     ·本文研究的主要内容与预期目标第12-13页
   ·论文组织结构第13-15页
2 铝电解控制问题第15-21页
   ·电解槽生产控制问题描述第15-16页
   ·铝电解控制系统存在的问题第16-18页
     ·数据问题第16-17页
     ·算法问题第17-18页
   ·铝电解控制的现有计算机应用技术第18-19页
     ·各技术及其优越性第18-19页
     ·各技术的不足第19页
   ·本文解决思路第19-20页
   ·本章小结第20-21页
3 神经网络及遗传算法第21-31页
   ·神经网络的基本概念第21-22页
     ·神经网络的结构第21-22页
     ·神经网络的学习第22页
   ·BP 神经网络第22-26页
     ·BP 神经网络的结构第22-23页
     ·BP 神经网络的学习过程第23-24页
     ·参数的选择第24-25页
     ·BP 神经网络优缺点第25-26页
   ·遗传算法第26-29页
     ·基本概念及运算过程第26-27页
     ·编码设计第27-28页
     ·初始种群建立第28页
     ·适应度函数第28页
     ·遗传算子设计第28-29页
   ·神经网络和遗传算法的结合第29-30页
   ·本章小结第30-31页
4 基于遗传神经网络的槽电阻预测模型的设计第31-51页
   ·引言第31-32页
   ·数据流趋势分析第32-38页
     ·数据流问题描述第32-33页
     ·传统趋势分析方法第33页
     ·改进后的可变滑动窗口趋势分析算法第33-35页
     ·实验效果第35-38页
   ·基于趋势分析、遗传神经网络的槽电阻预测第38-49页
     ·时间序列第38-39页
     ·时间序列预测方法第39-40页
     ·槽电阻时序分析第40-41页
     ·遗传神经网络预测模型的设计第41-44页
     ·实验第44-49页
   ·本章小结第49-51页
5 氧化铝浓度判断关联规则库的设计第51-69页
   ·氧化铝浓度问题及槽电阻与其关系第51-54页
   ·数据仓库技术第54-55页
   ·联机分析处理OLAP第55-57页
   ·数据挖掘第57-60页
     ·数据挖掘理论第57页
     ·关联规则第57页
     ·Aporiori 算法第57-58页
     ·从关系数据库和数据仓库到挖掘多维关联规则第58-59页
     ·概念分层及其对数据挖掘的影响第59-60页
   ·氧化铝浓度关联规则库的设计第60-67页
     ·模型整体设计第60-61页
     ·数据处理第61页
     ·基于Aporiori 与OLAP 的关联规则挖掘模型第61-65页
     ·利用Microsoft Visual Studio 进行数据挖掘第65-66页
     ·氧化铝浓度判断规则第66-67页
   ·本章小节第67-69页
6 系统实现第69-81页
   ·系统总体设计第69-72页
     ·系统总体架构第69-71页
     ·神经网络预测模型第71页
     ·氧化铝浓度关联规则库第71页
     ·专家系统第71-72页
   ·神经网络控制模型第72-73页
     ·模型描述第72-73页
     ·输入、输出层、控制层确定第73页
   ·控制策略的确定第73-75页
   ·系统开发及运行效果第75-79页
   ·本章小节第79-81页
7 总结与展望第81-83页
   ·本文的工作总结第81-82页
   ·后续研究工作的展望第82-83页
致谢第83-85页
参考文献第85-89页
附录第89页
 A. 作者在攻读学位期间发表的论文目录第89页
 B. 作者在攻读学位期间取得的科研成果目录第89页

论文共89页,点击 下载论文
上一篇:钻井废水酸化—内电解-Fenton-混凝工艺研究
下一篇:卡鲁金热风炉流场及混合特性的实验研究和数值模拟