基于神经网络的层流冷却控制模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及实际意义 | 第10页 |
| 1.2 TMCP技术和加速冷却技术的发展概况 | 第10-12页 |
| 1.3 加速冷却控制系统的国内外动态 | 第12-14页 |
| 1.4 本文主要工作 | 第14-16页 |
| 第2章 加速冷却温度控制模型的剖析 | 第16-30页 |
| 2.1 介绍 | 第16页 |
| 2.2 控制系统架构 | 第16页 |
| 2.3 设置模型 | 第16-20页 |
| 2.3.1 阶段1：分配 | 第16-19页 |
| 2.3.2 阶段2：定稿 | 第19-20页 |
| 2.4 模型模块 | 第20-30页 |
| 2.4.1 自由空气和空气吹扫条件下的热交换 | 第21-22页 |
| 2.4.2 接触辊热交换 | 第22-23页 |
| 2.4.3 冲击区域热交换 | 第23-24页 |
| 2.4.4 稳定膜沸腾条件下的热交换 | 第24-26页 |
| 2.4.5 过渡膜沸腾条件下的热交换 | 第26-27页 |
| 2.4.6 自适应 | 第27-30页 |
| 第3章 加速冷却温度控制模型的研究 | 第30-52页 |
| 3.1 数学模型基础理论 | 第30-33页 |
| 3.1.1 热传导 | 第30-31页 |
| 3.1.2 对流换热 | 第31-32页 |
| 3.1.3 辐射换热 | 第32-33页 |
| 3.2 人工神经网络概述 | 第33-36页 |
| 3.2.1 人工神经网络的基本思想 | 第33页 |
| 3.2.2 人工神经网络的工作原理 | 第33-34页 |
| 3.2.3 人工神经网络的主要功能特点 | 第34-36页 |
| 3.3 BP神经网络概述 | 第36-41页 |
| 3.3.1 BP网络的构成 | 第36-38页 |
| 3.3.2 训练过程概述 | 第38-39页 |
| 3.3.3 误差传播分析 | 第39-41页 |
| 3.4 BP神经网络在层流冷却过程控制中的应用 | 第41-48页 |
| 3.4.1 多元回归法计算基本热流密度的局限性 | 第41-42页 |
| 3.4.2 利用BP神经网络预报基本热流密度 | 第42-48页 |
| 3.5 几个问题的讨论 | 第48-52页 |
| 3.5.1 收敛速度问题 | 第48页 |
| 3.5.2 局部极小点问题 | 第48-50页 |
| 3.5.3 网络瘫痪问题 | 第50页 |
| 3.5.4 稳定性问题 | 第50页 |
| 3.5.5 步长问题 | 第50-52页 |
| 第4章 基于BP神经网络的层流冷却模型仿真 | 第52-78页 |
| 4.1 神经网络的适用范围 | 第52-53页 |
| 4.2 前馈网络设计 | 第53-59页 |
| 4.2.1 隐层数的确定 | 第53-54页 |
| 4.2.2 隐层神经元数的确定 | 第54-55页 |
| 4.2.3 训练集的设计 | 第55-58页 |
| 4.2.4 初始权值的选择 | 第58-59页 |
| 4.2.5 网络泛化能力的检验 | 第59页 |
| 4.3 变量选择与表示 | 第59-64页 |
| 4.3.1 输入 | 第60-63页 |
| 4.3.2 输出 | 第63-64页 |
| 4.4 变量选择与表示 | 第64-70页 |
| 4.4.1 归一化 | 第65-66页 |
| 4.4.2 标准化 | 第66-68页 |
| 4.4.3 重新定标 | 第68页 |
| 4.4.4 变换 | 第68-70页 |
| 4.5 层流冷却的仿真实验 | 第70-78页 |
| 4.5.1 模型的软件开发平台 | 第70-72页 |
| 4.5.2 模型的设计思路 | 第72-73页 |
| 4.5.3 仿真效果分析 | 第73-78页 |
| 第5章 结论与展望 | 第78-80页 |
| 参考文献 | 第80-82页 |
| 致谢 | 第82页 |
