神经网络在磷霉素钠生产重大隐患与危险源的识别和控制中的应用与研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| ·重大隐患与危险源研究的意义 | 第7-8页 |
| ·重大隐患与危险源识别研究现状 | 第8-9页 |
| ·课题的选择及研究内容 | 第9-12页 |
| ·课题来源与选题依据 | 第9-10页 |
| ·研究内容 | 第10页 |
| ·课题实际意义、价值 | 第10-12页 |
| 第2章 磷霉素钠生产的重大隐患与危险源 | 第12-17页 |
| ·磷霉素钠工业生产 | 第12-15页 |
| ·磷霉素钠简介 | 第12页 |
| ·磷霉素钠生产简介 | 第12-13页 |
| ·磷霉素钠生产重大隐患与危险源及其分析 | 第13-15页 |
| ·识别与控制系统概述 | 第15-17页 |
| 第3章 人工神经网络 | 第17-32页 |
| ·神经网络的发展状况 | 第17-19页 |
| ·神经元模型 | 第19-21页 |
| ·生物神经元模型 | 第19页 |
| ·人工神经元模型 | 第19-21页 |
| ·人工神经网络及其基本特点 | 第21-22页 |
| ·神经网络模型与BP学习算法 | 第22-32页 |
| ·神经网络模型分类模型 | 第22-23页 |
| ·神经网络的学习规则 | 第23页 |
| ·BP算法 | 第23-28页 |
| ·BP算法的局限与改进 | 第28-32页 |
| 第4章 动态液位的BP网络测量 | 第32-45页 |
| ·引言 | 第32页 |
| ·动态液位测量网络结构设计 | 第32-35页 |
| ·输入/输出节点确定 | 第33-34页 |
| ·层数的确定 | 第34页 |
| ·激活函 | 第34-35页 |
| ·样本处理 | 第35-37页 |
| ·网络训练 | 第37-41页 |
| ·初始值的选取 | 第37-38页 |
| ·学习速率对网络训练的影响 | 第38-40页 |
| ·动量因子对网络训练的影响 | 第40-41页 |
| ·网络测试 | 第41-42页 |
| ·实际液位的相关性分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第5章 系统隐患与危险源的BP网络识别 | 第45-50页 |
| ·重大危险源及隐患分级的神经网络方法 | 第45-46页 |
| ·系统隐患及危险源识别网络模型的建立 | 第46-47页 |
| ·系统隐患及危险源识别网络模型的实现 | 第47-49页 |
| ·训练样本处理 | 第47-48页 |
| ·网络训练及其测试 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第6章 系统神经网络模型控制的研究 | 第50-59页 |
| ·系统的神经网络模型辨识 | 第51-55页 |
| ·神经网络正向建模 | 第51-53页 |
| ·神经网络逆向建模 | 第53-55页 |
| ·系统的神经网络控制方案研究 | 第55-58页 |
| ·直接逆控制 | 第55-56页 |
| ·模型参考控制 | 第56页 |
| ·神经内模控制 | 第56-58页 |
| ·小结 | 第58-59页 |
| 第7章 总结 | 第59页 |
| 攻读学位期间公开发表的论文 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录1 BP算法程序流程图 | 第64页 |
