摘要 | 第1页 |
Abstract | 第4-5页 |
详细摘要 | 第5-12页 |
1 引言 | 第12-26页 |
·课题概要 | 第12-19页 |
·课题研究意义 | 第12页 |
·连铸板坯裂纹产生的原因 | 第12-14页 |
·分析连铸板坯裂纹产生的机理 | 第14-16页 |
·分析连铸板坯裂纹影响的因素 | 第16-19页 |
·国内外连铸板坯裂纹预测预报技术研究现状及发展趋势 | 第19-22页 |
·连铸生产工艺简介 | 第19-20页 |
·国内外连铸生产的现状 | 第20页 |
·裂纹预测预报技术研究现状及发展趋势 | 第20-22页 |
·课题研究的内容及技术路线 | 第22-24页 |
·研究内容及方法 | 第22-23页 |
·课题主要解决的技术难点 | 第23页 |
·课题研究的技术路线 | 第23-24页 |
·本章小结 | 第24-26页 |
2 连铸板坯裂纹征兆的检测方法 | 第26-32页 |
·结晶器热传递测量分析法 | 第26-29页 |
·摩擦力(拉坯阻力)测量法 | 第29-31页 |
·铸坯短边凹度测量法 | 第31页 |
·超声波测量法 | 第31页 |
·本章小结 | 第31-32页 |
3 连铸板坯裂纹预测预报方案 | 第32-42页 |
·逻辑预报方案 | 第32页 |
·神经网络预报方案 | 第32-35页 |
·用递归网络进行裂纹预报 | 第32页 |
·利用雪崩网络进行裂纹预报 | 第32-33页 |
·利用BP 网络进行裂纹预报 | 第33页 |
·利用RBF 神经网络进行裂纹预报 | 第33-34页 |
·利用模糊神经网络进行裂纹预报 | 第34-35页 |
·基于减法聚类的模糊神经网络 | 第35-41页 |
·减法聚类(Clustering Subtraction) | 第35-36页 |
·TS(Takagi-Sugeno)型模糊神经网络 | 第36-38页 |
·基于减法聚类的自适应模糊神经网络(ANFIS) | 第38-40页 |
·神经网络模型的建立 | 第40-41页 |
·本章小结 | 第41-42页 |
4 连铸板坯裂纹预测预报系统设计 | 第42-66页 |
·系统的整体设计 | 第42页 |
·系统的硬件设计 | 第42-45页 |
·裂纹产生征兆的检测 | 第42-44页 |
·热电偶在结晶器中的埋设方式 | 第44-45页 |
·主机硬件环境 | 第45页 |
·系统的软件设计 | 第45-61页 |
·软件环境 | 第45-47页 |
·基于减法聚类的自适应神经模糊网络的实现 | 第47-51页 |
·信号采集系统主程序设计 | 第51-52页 |
·文件调用流程图 | 第52-53页 |
·各模块功能详细说明 | 第53-60页 |
·MATLAB 与VB 的接口 | 第60-61页 |
·Access 数据库的访问 | 第61-63页 |
·DAO 概述 | 第61页 |
·JET 概述 | 第61页 |
·与上位机通信子模块 | 第61-62页 |
·系统帮助模块 | 第62-63页 |
·数据库的选择 | 第63页 |
·系统操作说明书 | 第63-64页 |
·系统操作说明 | 第63页 |
·注意事项 | 第63页 |
·系统运行的软/硬件要求 | 第63-64页 |
·系统的抗干扰措施 | 第64-65页 |
·本章小结 | 第65-66页 |
5 系统仿真及实验结果 | 第66-80页 |
·系统仿真 | 第66-70页 |
·仿真数据输入 | 第66-67页 |
·用相关函数对系统进行仿真 | 第67-70页 |
·实验结果与评估 | 第70-74页 |
·数据库1 的数据仿真及预测结果 | 第70-72页 |
·数据库2 的数据仿真及预测结果 | 第72-74页 |
·实测值和系统预测值对比 | 第74-78页 |
·生产实测数据的提取 | 第74-76页 |
·系统预测值的产生 | 第76-78页 |
·本章小结 | 第78-80页 |
6 结论与展望 | 第80-82页 |
·结论 | 第80-81页 |
·主要研究成果 | 第80页 |
·主要的创新点 | 第80-81页 |
·展望 | 第81-82页 |
参考文献 | 第82-85页 |
致谢 | 第85-86页 |
作者简介 | 第86页 |
在学期间发表的学术论文 | 第86-87页 |
在学期间参加科研项目 | 第87页 |