| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 性能预报模型的分类 | 第10-12页 |
| 1.1.1 统计回归模型 | 第11页 |
| 1.1.2 人工神经网络模型 | 第11-12页 |
| 1.2 性能预报在冶金领域的应用 | 第12-15页 |
| 1.2.1 性能预报在板带材上的应用 | 第13-14页 |
| 1.2.2 性能预报在线棒材上的应用 | 第14-15页 |
| 1.3 性能预报技术存在的问题和展望 | 第15-16页 |
| 1.4 论文研究内容与结构安排 | 第16-18页 |
| 第2章 合金结构钢预测模型算法建立 | 第18-36页 |
| 2.1 人工神经网络简介 | 第18-23页 |
| 2.1.1 人工神经网络的特点 | 第19-20页 |
| 2.1.2 人工神经网络的发展及主要类型 | 第20-21页 |
| 2.1.3 神经网络学习算法 | 第21-23页 |
| 2.2 合金结构钢性能预报神经网络模型 | 第23-29页 |
| 2.2.1 输入层与输出层变量的确定 | 第23-24页 |
| 2.2.2 样本数据的采集及处理 | 第24-25页 |
| 2.2.3 隐层数目和隐层节点数的选取 | 第25-29页 |
| 2.3 非线性相似度逼近模型 | 第29-34页 |
| 2.3.1 变量之间的相关性分析 | 第29-31页 |
| 2.3.2 非线性相似度逼近算法建立 | 第31-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 合金结构钢力学性能预报系统设计 | 第36-52页 |
| 3.1 编程语言选择 | 第36页 |
| 3.2 预报系统的结构和主要功能 | 第36-41页 |
| 3.2.1 预报系统的使用前提 | 第37页 |
| 3.2.2 钢种信息的编辑区域 | 第37-38页 |
| 3.2.3 工艺数据编辑区域 | 第38-39页 |
| 3.2.4 计算方法选择区域 | 第39-40页 |
| 3.2.5 单批次性能预测显示区域 | 第40页 |
| 3.2.6 批处理预测区域 | 第40-41页 |
| 3.2.7 单批次预测历史记录区域 | 第41页 |
| 3.3 成分预警功能 | 第41-42页 |
| 3.4 数据“不落地”的自动化功能 | 第42-45页 |
| 3.4.1 数据自动修约功能 | 第42-43页 |
| 3.4.2 电子报表生成功能 | 第43-44页 |
| 3.4.3 预报系统与ERP的信息下载和上传 | 第44-45页 |
| 3.5 系统的程序设计 | 第45-50页 |
| 3.5.1 VC编程语言与MATLAB软件的数据接口 | 第45-46页 |
| 3.5.2 核心算法的编程 | 第46-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第4章 预报系统的应用和偏差分析 | 第52-66页 |
| 4.1 试验室条件的完善 | 第52页 |
| 4.2 力学性能预报检验工作原则 | 第52-54页 |
| 4.3 力学性能预报流程 | 第54-56页 |
| 4.3.1 常规力学性能生产检验流程 | 第54页 |
| 4.3.2 力学性能预报系统流程 | 第54-55页 |
| 4.3.3 应用期间预报偏差 | 第55-56页 |
| 4.4 样本数据对预报系统的偏差影响 | 第56页 |
| 4.5 隐层节点数对泛化能力的影响 | 第56-57页 |
| 4.6 网络模型泛化能力测试 | 第57-59页 |
| 4.7 预报系统偏差统计 | 第59-63页 |
| 4.7.1 检验数据的预报偏差分析 | 第59-62页 |
| 4.7.2 偏差产生原因分析 | 第62-63页 |
| 4.8 本章小结 | 第63-66页 |
| 第5章 结论与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |