| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第11-15页 |
| 1．1 研究背景 | 第11-12页 |
| 1．1．1 加热炉概况 | 第11页 |
| 1．1．2 辊底式连续加热炉的特点及存在的问题 | 第11-12页 |
| 1．2 多信息集成与融合技术的发展与现状 | 第12-14页 |
| 1．2．1 集成与融合技术的基本思想 | 第12-13页 |
| 1．2．2 信息集成与融合技术应用的典型示例 | 第13-14页 |
| 1．3 本文主要研究与工作内容 | 第14-15页 |
| 2 信息集成与融合技术的基本原理 | 第15-21页 |
| 2．1 基本概念与基本原理 | 第15-16页 |
| 2．1．1 信息及信息的可用度 | 第15页 |
| 2．1．2 信息集成与信息融合的区别及一般模式 | 第15-16页 |
| 2．2 信息融合的层次和结构形式 | 第16-18页 |
| 2．2．1 信息融合的基本层次 | 第16页 |
| 2．2．2 信息融合的结构及控制方式 | 第16-18页 |
| 2．3 多信息集成与融合技术的潜在优势 | 第18页 |
| 2．4 多信息集成与融合的常用方法 | 第18页 |
| 2．5 基于神经网络技术的多信息集成与融合方法 | 第18-20页 |
| 2．5．1 常用信息集成与融合方法归纳及面临的挑战 | 第18-20页 |
| 2．5．2 信息集成与融合技术的发展方向与优越性 | 第20页 |
| 2．6 小结 | 第20-21页 |
| 3 神经网络技术的基本理论和方法 | 第21-29页 |
| 3．1 神经网络的基本概念 | 第21-24页 |
| 3．1．1 神经元模型、结构与类型 | 第21-23页 |
| 3．1．2 神经网络的仿真、学习与训练 | 第23-24页 |
| 3．2 常见神经网络的基本原理和特点 | 第24-26页 |
| 3．3 BP神经网络的基本工作原理和特点 | 第26-28页 |
| 3．3．1 BP神经网络的神经元模型和结构 | 第27页 |
| 3．3．2 BP神经网络的学习步骤和学习规则及局限性 | 第27-28页 |
| 3．4 小结 | 第28-29页 |
| 4 辊底式加热炉钢板温度检测系统方案论证 | 第29-38页 |
| 4．1 问题的提出 | 第29页 |
| 4．2 73m~2辊底式热处理加热炉的构造与性能 | 第29-31页 |
| 4．2．1 加热炉的构造 | 第29-30页 |
| 4．2．2 加热炉的主要技术性能 | 第30-31页 |
| 4．3 加热炉的热处理加热工艺过程 | 第31页 |
| 4．4 钢板温度监测系统研究中应重点解决的技术问题 | 第31-32页 |
| 4．5 辊底式热处理加热炉钢板温度检测系统可行性方案一 | 第32-35页 |
| 4．5．1 钢板加热工艺流程与多信息采集（信息集成） | 第32-33页 |
| 4．5．2 钢板温度监测方案一BP神经网络构成（信息融合） | 第33页 |
| 4．5．3 加热资源与炉膛温度的网络构成 | 第33-34页 |
| 4．5．4 炉膛温度与钢板温度的网络构成 | 第34页 |
| 4．5．5 方案一BP神经网络结构的工作过程 | 第34页 |
| 4．5．6 方案一BP神经网络构成的钢板温度监测系统的特点 | 第34-35页 |
| 4．6 辊底式加热炉钢板温度检测系统可行性方案二 | 第35页 |
| 4．6．1 钢板温度监测方案二BP神经网络构成（信息融合） | 第35页 |
| 4．6．2 方案二BP神经网络结构的工作过程 | 第35页 |
| 4．6．3 方案二BP神经网络构成钢板温度监测系统的特点 | 第35页 |
| 4．7 辊底式加热炉钢板温度检测系统可行性方案三 | 第35-37页 |
| 4．7．1 方案三BP神经网络信息与网络构成 | 第35-36页 |
| 4．7．2 方案三BP网络的工作过程 | 第36页 |
| 4．7．3 方案三BP经神网络构成的钢板温度监测系统的特点 | 第36-37页 |
| 4．8 方案评定与结论 | 第37-38页 |
| 4．8．1 方案评定 | 第37页 |
| 4．8．2 结论 | 第37-38页 |
| 5 辊底式加热炉各炉膛BP网络信息集成与融合 | 第38-49页 |
| 5．1 辊底式加热炉系统分析 | 第38页 |
| 5．1．1 难点分析 | 第38页 |
| 5．1．2 网络信息的确定 | 第38页 |
| 5．2 BP子网络设计 | 第38-40页 |
| 5．2．1 子网络的输入输出层设计 | 第38-39页 |
| 5．2．2 子网络的隐含层设计 | 第39页 |
| 5．2．3 BP子神经网络初始网络权值和阈值的选取 | 第39-40页 |
| 5．2．4 输入输出信息样本参数的归一化处理 | 第40页 |
| 5．3 BP子网络的信息融合模型的建立 | 第40页 |
| 5．4 BP子网络信息集成与融合的软件构成框图 | 第40页 |
| 5．5 各炉膛BP子网络的网络学习训练与仿真 | 第40-47页 |
| 5．5．1 网络参数的信息集成（预处理） | 第40-44页 |
| 5．5．2 现场采集信息与集成（预处理）结果 | 第44页 |
| 5．5．3 加热炉膛1子BP网络学习与仿真结果 | 第44-45页 |
| 5．5．4 加热炉膛2子BP网络学习与仿真结果 | 第45-46页 |
| 5．5．5 加热炉膛3子BP网络学习与仿真结果 | 第46页 |
| 5．5．6 加热炉膛4子BP网络学习与仿真结果 | 第46页 |
| 5．5．7 网络仿真结果质量检测 | 第46-47页 |
| 5．6 系统网络设计 | 第47-48页 |
| 5．7 网络设计的结论 | 第48-49页 |
| 6 加热炉钢板温度监测系统硬件组成 | 第49-52页 |
| 6．1 辊底式加热炉钢板温度监测系统硬件构成原理 | 第49页 |
| 6．2 数据信号采集装置的硬件组成 | 第49-51页 |
| 6．2．1 数据信号采集系统所需采集的主要信号 | 第49-50页 |
| 6．2．2 数据信号采集装置的硬件构成及软件编写 | 第50-51页 |
| 6．2．3 VC数据库与MATLAB数据库之间的传递 | 第51页 |
| 6．3 数据信号融合（影射）装置的硬件构成 | 第51页 |
| 6．4 小结 | 第51-52页 |
| 7 辊底式加热炉钢板温度监测系统软件设计 | 第52-64页 |
| 7．1 系统软件构成 | 第52-53页 |
| 7．2 网络训练学习及数据管理的编程流程 | 第53页 |
| 7．3 网络应用（映射）及数据管理的编程流程 | 第53-56页 |
| 7．4 系统软件界面设计 | 第56-58页 |
| 7．4．1 用户界面设计 | 第56页 |
| 7．4．2 系统工作界面设计 | 第56-57页 |
| 7．4．3 网络调整（训练学习）工作界面设计 | 第57页 |
| 7．4．4 BP网络应用（映射）工作界面设计 | 第57-58页 |
| 7．5 系统软件设计 | 第58-62页 |
| 7．5．1 工作界面程序设计 | 第58-59页 |
| 7．5．2 网络训练学习原始数据的处理 | 第59-60页 |
| 7．5．3 网络训练学习程序设计 | 第60-61页 |
| 7．5．4 网络权值函数（传递函数）数据库的管理 | 第61页 |
| 7．5．5 网络应用程序设计 | 第61-62页 |
| 7．5．6 网络应用输出结果显示与数据管理 | 第62页 |
| 7．6 系统软件的使用操作规范 | 第62-63页 |
| 7．7 小结 | 第63-64页 |
| 8 有待进一步完善和研究的课题 | 第64-66页 |
| 8．1 辊底式连续加热炉钢板温度检测系统研究工作的进一步完善 | 第64页 |
| 8．1．1 信号采集系统的进一步研究 | 第64页 |
| 8．1．2 网络数据库的建立和管理问题 | 第64页 |
| 8．2 网络信息融合技术的研究课题 | 第64-65页 |
| 8．3 如何应用网络信息集成与融合技术实现系统的自动化控制 | 第65-66页 |
| 9 结论 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
