| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景和意义 | 第7页 |
| ·文献概述 | 第7-9页 |
| ·漏钢分类 | 第7-8页 |
| ·粘结性漏钢的机理分析 | 第8-9页 |
| ·解决粘结漏钢的主要途径 | 第9页 |
| ·漏钢征兆检测方法 | 第9-12页 |
| ·结晶器热传递测量分析法 | 第9-10页 |
| ·摩擦力(拉坯阻力)测量法 | 第10页 |
| ·铸坯短边凹度测量法 | 第10页 |
| ·热电偶测量法 | 第10-12页 |
| ·超声波测量法 | 第12页 |
| ·粘结性漏钢预报方法 | 第12-13页 |
| ·逻辑漏钢预报方法 | 第12页 |
| ·神经网络漏钢预报方法 | 第12-13页 |
| ·国内外研究现状 | 第13-14页 |
| ·国外 | 第13-14页 |
| ·国内 | 第14页 |
| ·该领域目前存在的问题 | 第14-15页 |
| ·本章小结 | 第15-17页 |
| 第二章 模糊神经网络 | 第17-31页 |
| ·模糊神经网络概述 | 第17-20页 |
| ·模糊逻辑系统 | 第17页 |
| ·人工神经网络 | 第17-18页 |
| ·模糊神经网络 | 第18-20页 |
| ·基于Takagi-Sugeno模型的模糊神经网络 | 第20-22页 |
| ·模糊系统的Takagi-Sugeno模型 | 第20-21页 |
| ·网络结构 | 第21-22页 |
| ·学习算法 | 第22页 |
| ·补偿模糊神经网络(CFNN) | 第22-25页 |
| ·网络结构 | 第22-23页 |
| ·学习算法 | 第23-25页 |
| ·基于减法聚类的自适应模糊神经网络 | 第25-30页 |
| ·减法聚类 | 第25-26页 |
| ·自适应模糊神经网络 | 第26-28页 |
| ·基于减法聚类的自适应模糊神经网络 | 第28-29页 |
| ·应用举例 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 模糊神经网络在漏钢预报系统中的应用 | 第31-39页 |
| ·技术方案的选择 | 第31-32页 |
| ·技术评价指标 | 第31页 |
| ·技术方案的确定 | 第31-32页 |
| ·预报系统的网络模型 | 第32-38页 |
| ·网络模型的建立 | 第32-34页 |
| ·数据预处理技术 | 第34-36页 |
| ·网络模型的离线测试 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 漏钢预报系统的软件开发 | 第39-47页 |
| ·开发环境 | 第39-40页 |
| ·C#语言概述 | 第39页 |
| ·MATLAB概述 | 第39-40页 |
| ·MATLAB与C#的接口 | 第40页 |
| ·软件设计 | 第40-45页 |
| ·系统功能框图 | 第40-41页 |
| ·系统流程图 | 第41-42页 |
| ·软件实现 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第52页 |