基于D-FNN的加热炉钢温建模与优化研究

摘要	第1-6页
英文摘要	第6-10页
第1章 绪论	第10-14页
·课题研究的背景及意义	第10-11页
·钢温预测模型的研究背景及现状	第11-12页
·钢温预测模型的研究背景	第11-12页
·钢温预测模型的研究现状	第12页
·本文的研究工作	第12-14页
第2章 加热炉工艺简介	第14-22页
·加热炉的分类	第14页
·步进梁式蓄热加热炉简介	第14-19页
·结构及工艺简介	第14-16页
·蓄热式高温燃烧技术	第16-17页
·蓄热式燃烧技术的特点	第17-19页
·课题研究对象及待解决的问题	第19-20页
·本章小结	第20-22页
第3章 D-FNN建立钢温模型	第22-36页
·模糊系统与神经网络介绍	第22-25页
·模糊系统	第22-24页
·神经网络	第24-25页
·动态模糊神经网络介绍	第25-31页
·D-FNN的学习算法	第26-29页
·前提参数的分配	第29-30页
·结果参数确定	第30-31页
·D-FNN在钢温预测模型中的应用	第31-35页
·建立D-FNN的流程	第31-32页
·D-FNN构建钢温预测模型及误差分析	第32-35页
·本章小结	第35-36页
第4章 改进D-FNN的钢温模型建立	第36-66页
·EKF学习算法及在钢温模型中的应用	第36-40页
·EKF基本理论	第36-37页
·EKF调整前提参数及建模仿真	第37-40页
·LLS调整结果参数及在钢温模型中的应用	第40-44页
·最小二乘(LS)	第40-41页
·LLS调整结果参数及建模仿真	第41-44页
·EKF、LLS调整参数的钢温预测模型及误差分析	第44-47页
·PSO算法调整结果参数及应用	第47-53页
·粒子群优化(PSO)算法的基本原理	第48-50页
·PSO调整结果参数及建模仿真	第50-53页
·基于IMMCSA-PSO调整结果参数及建模	第53-65页
·人工免疫算法简介	第53-54页
·免疫克隆选择原理	第54-59页
·IMMCSA与PSO结合及在钢温模型中的应用	第59-65页
·本章小结	第65-66页
第5章 结束语	第66-68页
参考文献	第68-72页
致谢	第72页