| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·LF炉工艺介绍 | 第10-13页 |
| ·LF炉的主要功能 | 第10-11页 |
| ·LF炉的用途 | 第11-12页 |
| ·LF炉的优势和特点 | 第12页 |
| ·现代LF炉的发展概况 | 第12-13页 |
| ·课题背景及意义 | 第13-14页 |
| ·国内外LF精炼炉生产和温度控制发展概况 | 第14-17页 |
| ·国内概况 | 第14-15页 |
| ·国外概况 | 第15-17页 |
| ·本文所作的主要工作 | 第17-20页 |
| 第2章 人工神经网络与遗传算法 | 第20-40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页 |
| ·人工神经元 | 第21-24页 |
| ·人工神经网络的类型 | 第24页 |
| ·BP神经网络 | 第24-30页 |
| ·BP网络的构成 | 第24-26页 |
| ·BP网络学习过程 | 第26-29页 |
| ·BP算法的改进 | 第29-30页 |
| ·遗传算法的基本原理 | 第30-31页 |
| ·遗传算法的基本流程 | 第31-32页 |
| ·遗传编码 | 第32-34页 |
| ·编码原则 | 第32-33页 |
| ·编码方式 | 第33-34页 |
| ·适应函数 | 第34-35页 |
| ·遗传算子 | 第35-40页 |
| ·选择 | 第35-37页 |
| ·交叉 | 第37页 |
| ·变异 | 第37-40页 |
| 第3章 遗传算法与BP网络相结合及MATLAB仿真 | 第40-56页 |
| ·采用GA优化BP网络权值的原理 | 第40-41页 |
| ·采用GA优化BP网络权值的方案选择 | 第41-44页 |
| ·编码方案 | 第41页 |
| ·适应度函数的确定 | 第41-42页 |
| ·选择 | 第42页 |
| ·交叉 | 第42-43页 |
| ·变异 | 第43-44页 |
| ·遗传算法参数选择 | 第44页 |
| ·MATLAB简介 | 第44-45页 |
| ·神经网络工具箱 | 第45-49页 |
| ·神经元上的传递函数 | 第47页 |
| ·基本函数 | 第47-48页 |
| ·样本处理函数 | 第48-49页 |
| ·遗传算法工具箱 | 第49-50页 |
| ·GA-BP网络程序的MATLAB实现 | 第50-54页 |
| ·算法比较 | 第54-56页 |
| 第4章 LF炉钢水温度预报模型的建立 | 第56-64页 |
| ·建模原理 | 第56-58页 |
| ·LF炉总的能量平衡 | 第56-57页 |
| ·LF炉能量传递过程分析 | 第57-58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58-64页 |
| ·影响温度主要因素的确定 | 第59-60页 |
| ·BP网络结构 | 第60-61页 |
| ·GA-BP网络参数的选择 | 第61页 |
| ·样本的选择与处理 | 第61-64页 |
| 第5章 LF炉钢水终点温度预报系统设计与实现 | 第64-72页 |
| ·温度预报系统设计 | 第64页 |
| ·温度预报系统实现 | 第64-67页 |
| ·功能设计 | 第64-65页 |
| ·主要操作窗口 | 第65-67页 |
| ·VC++与Intouch程序通讯处理 | 第67-69页 |
| ·现场系统结构 | 第67页 |
| ·通讯程序实现 | 第67-69页 |
| ·温度预报系统预测结果 | 第69-72页 |
| 第6章 结论与展望 | 第72-74页 |
| ·结论 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |