| 中文摘要 | 第1-9页 |
| 1 国内外研究动态及文献综述 | 第9-25页 |
| 1．1 课题来源与意义 | 第9-10页 |
| 1．2 国内外研究现状 | 第10-19页 |
| 1．2．1 力学性能模型 | 第11-17页 |
| 1．2．2 提高线材力学性能的具体实践 | 第17-19页 |
| 1．3 国内外关于人工神经网络研究和发展概述 | 第19-22页 |
| 1．4 人工神经网络在材料加工中的应用 | 第22-25页 |
| 2 人工神经网络 | 第25-40页 |
| 2．1 神经网络的基本知识 | 第25-28页 |
| 2．1．1 神经细胞的结构 | 第25-26页 |
| 2．1．2 人工神经网络的处理单元 | 第26-28页 |
| 2．1．3 神经网络的互连结构形态 | 第28页 |
| 2．2 BP网络及其学习算法 | 第28-34页 |
| 2．2．1 BP网络的结构模型 | 第29页 |
| 2．2．2 BP网络的学习算法 | 第29-33页 |
| 2．2．3 BP算法的改进 | 第33-34页 |
| 2．2．3．1 变步长的算法 | 第33页 |
| 2．2．3．2 加动量项 | 第33-34页 |
| 2．2．3．3 加入γ_1~（p1）因子的情况 | 第34页 |
| 2．2．3．4 模拟退火方法 | 第34页 |
| 2．3 BP网络的设计 | 第34-37页 |
| 2．3．1 隐层数目的选择 | 第34-35页 |
| 2．3．2 隐层单元数目的确定 | 第35-36页 |
| 2．3．3 初始值的选取 | 第36-37页 |
| 2．3．4 BP网络模型的计算框图 | 第37页 |
| 2．4 MATLAB与神经网络工具箱 | 第37-38页 |
| 2．4．1 MATLAB简介 | 第38页 |
| 2．4．2 基于MATLAB的神经网络工具箱 | 第38页 |
| 2．5 人工神经网络的发展简介及定性结论 | 第38-40页 |
| 3 基于神经网络的高速线材性能预报 | 第40-61页 |
| 3．1 高速线材预报模型的基础研究 | 第40-46页 |
| 3．1．1 网络拓扑结构的选择 | 第40-41页 |
| 3．1．1．1 输入参数的选择 | 第40-41页 |
| 3．1．1．2 输出参数的选择 | 第41页 |
| 3．1．1．3 中间层的选择 | 第41页 |
| 3．1．1．4 神经元的传递函数 | 第41页 |
| 3．1．2 网络学习过程 | 第41-42页 |
| 3．1．2．1 导师样本数据的选择 | 第42页 |
| 3．1．2．2 导师样本数据的预处理 | 第42页 |
| 3．1．2．3 导师样本数据的更新 | 第42页 |
| 3．1．3 各个化学成份和轧制条件对高速线材性能的影响 | 第42-46页 |
| 3．1．3．1 碳对钢性能的影响 | 第42-43页 |
| 3．1．3．2 合金元素对钢性能的影响 | 第43页 |
| 3．1．3．3 硅在钢中的作用 | 第43页 |
| 3．1．3．4 锰在钢中的作用 | 第43-44页 |
| 3．1．3．5 铬在钢中的作用 | 第44-45页 |
| 3．1．3．6 硫磷的影响 | 第45页 |
| 3．1．3．7 吐丝温度和冷却速度对高速线材性能的影响 | 第45-46页 |
| 3．1．3．8 高线轧机简介 | 第46页 |
| 3．2 高速线材性能预报模型的建立 | 第46-58页 |
| 3．2．1 高速线材抗拉强度模型的建立 | 第46-52页 |
| 3．2．1．1 实验一 | 第47-48页 |
| 3．2．1．2 实验二 | 第48-49页 |
| 3．2．1．3 实验三 | 第49页 |
| 3．2．1．4 实验四 | 第49-50页 |
| 3．2．1．5 实验五 | 第50-51页 |
| 3．2．1．6 实验六 | 第51-52页 |
| 3．2．2 高速线材面收缩率模型的建立 | 第52-55页 |
| 3．2．2．1 实验一 | 第52页 |
| 3．2．2．2 实验二 | 第52-53页 |
| 3．2．2．3 实验三 | 第53-54页 |
| 3．2．2．4 实验四 | 第54页 |
| 3．2．2．5 实验五 | 第54-55页 |
| 3．2．3 高速线材延伸率的预报模型的建立 | 第55-58页 |
| 3．2．3．1 实验一 | 第55-56页 |
| 3．2．3．2 实验二 | 第56页 |
| 3．2．3．3 实验三 | 第56-57页 |
| 3．2．3．4 实验四 | 第57-58页 |
| 3．3 模型的应用 | 第58-59页 |
| 3．4 高速线材性能预报模型在线应用技术的讨论 | 第59页 |
| 3．5 实验结论 | 第59-60页 |
| 3．6 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |