| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-20页 |
| ·LF炉简介 | 第11-14页 |
| ·LF炉功能 | 第11-13页 |
| ·LF炉作用 | 第13页 |
| ·LF炉优点 | 第13-14页 |
| ·现代LF炉的发展及特点 | 第14页 |
| ·课题背景及意义 | 第14-15页 |
| ·国内外LF精炼炉生产和温度控制发展概况 | 第15-19页 |
| ·国外概况 | 第15-17页 |
| ·国内概况 | 第17-19页 |
| ·本文所作的主要工作 | 第19-20页 |
| 第二章 人工神经网络 | 第20-34页 |
| ·人工神经网络的发展概况 | 第20-21页 |
| ·人工神经网络的结构与类型 | 第21-24页 |
| ·生物神经元 | 第21-22页 |
| ·人工神经元 | 第22-24页 |
| ·人工神经网络的类型 | 第24页 |
| ·BP神经网络 | 第24-34页 |
| ·BP网络的构成 | 第24-26页 |
| ·BP网络学习过程 | 第26-30页 |
| ·BP算法的改进 | 第30-34页 |
| 第三章 遗传算法 | 第34-47页 |
| ·遗传算法的基本原理 | 第34页 |
| ·遗传算法的基本流程 | 第34-36页 |
| ·遗传编码 | 第36-37页 |
| ·编码原则 | 第36-37页 |
| ·编码方式 | 第37页 |
| ·适应函数 | 第37-38页 |
| ·遗传算子 | 第38-47页 |
| ·选择 | 第39-41页 |
| ·交叉 | 第41-44页 |
| ·变异 | 第44-47页 |
| 第四章 遗传算法与BP网络相结合算法 | 第47-53页 |
| ·采用GA优化BP网络权值的原理 | 第47-48页 |
| ·采用GA优化BP网络权值的方案选择 | 第48-51页 |
| ·编码方案 | 第48页 |
| ·适应度函数的确定 | 第48-49页 |
| ·选择 | 第49页 |
| ·交叉 | 第49-50页 |
| ·变异 | 第50-51页 |
| ·遗传算法参数选择 | 第51-53页 |
| 第五章 LF炉钢水温度预报模型的建立 | 第53-59页 |
| ·建模原理 | 第53-54页 |
| ·LF炉总的能量平衡 | 第53-54页 |
| ·LF炉能量传递过程分析 | 第54页 |
| ·基于遗传算法与BP网络结合LF炉温度预报模型的建立 | 第54-59页 |
| ·影响温度主要因素的确定 | 第55-56页 |
| ·BP网络结构 | 第56-57页 |
| ·GA-BP网络参数的选择 | 第57-58页 |
| ·样本的选择与处理 | 第58-59页 |
| 第六章 MATLAB仿真 | 第59-69页 |
| ·MATLAB简介 | 第59-60页 |
| ·神经网络工具箱 | 第60-64页 |
| ·神经元上的传递函数 | 第61-62页 |
| ·基本函数 | 第62-63页 |
| ·样本处理函数 | 第63-64页 |
| ·遗传算法工具箱 | 第64-65页 |
| ·GA-BP网络程序的MATLAB实现 | 第65-68页 |
| ·算法比较 | 第68-69页 |
| 第七章 LF炉钢水终点温度预报系统设计与实现 | 第69-74页 |
| ·温度预报系统设计 | 第69页 |
| ·温度预报系统实现 | 第69-72页 |
| ·功能设计 | 第69-70页 |
| ·主要操作窗口 | 第70-72页 |
| ·温度预报系统预测结果 | 第72-74页 |
| 第八章 结论与展望 | 第74-76页 |
| ·结论 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-111页 |
| 致谢 | 第111-112页 |
| 攻读硕士学位期间参加的科研工作 | 第112-113页 |
| 攻读硕士学位期间发表的论文 | 第113页 |