| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| ·前言 | 第11页 |
| ·低碳合金钢热模拟试验中的析出现象 | 第11-13页 |
| ·析出机理 | 第12页 |
| ·低碳合金元素纳米级析出粒子的作用 | 第12-13页 |
| ·基于图像处理的析出相形态特征的分类与统计 | 第13-14页 |
| ·低碳合金钢的析出相预测模型 | 第14-15页 |
| ·神经网络在材料领域的应用 | 第14页 |
| ·神经网络预测技术在析出相中的应用 | 第14-15页 |
| ·课题的提出及研究目的 | 第15-18页 |
| ·课题的提出 | 第15页 |
| ·国内外研究现状 | 第15-16页 |
| ·本课题的研究目的 | 第16-17页 |
| ·本研究所做的工作 | 第17-18页 |
| 第二章 试验材料和试验过程 | 第18-25页 |
| ·钢中析出相热模拟制备试验 | 第18-19页 |
| ·单道次热模拟试验 | 第18页 |
| ·多道次热模拟试验 | 第18-19页 |
| ·试验结果分析 | 第19-25页 |
| ·变形温度和变形量对析出相的影响 | 第19-20页 |
| ·析出粒子长大与形态的关系 | 第20-21页 |
| ·析出粒子尺寸的控制研究 | 第21-22页 |
| ·间隔时间对析出粒子尺寸的影响 | 第22页 |
| ·多道次变形时低碳合金钢中析出形态分析 | 第22-25页 |
| 第三章 析出粒子形态特征的分类与统计 | 第25-32页 |
| ·析出相粒径和形态分析 | 第25-26页 |
| ·析出相分类统计模型的原理 | 第26页 |
| ·析出相分类统计的步骤 | 第26-29页 |
| ·析出相的图像二值化 | 第26-27页 |
| ·团聚粒子的分离及粒子空洞的填充 | 第27-29页 |
| ·析出粒子的测量与分类 | 第29页 |
| ·对不同工艺的试验钢的统计结果 | 第29-32页 |
| 第四章 基于改进BP神经网络的纳米析出相预测系统 | 第32-45页 |
| ·预测系统选用的相关技术-人工神经网络 | 第32页 |
| ·神经网络BP模型结构 | 第32-33页 |
| ·L-M算法优化BP神经网络 | 第33-35页 |
| ·析出相预测系统模型的建立 | 第35-45页 |
| ·输入输出变量的选择 | 第35页 |
| ·网络结构和参数的选定 | 第35-36页 |
| ·数据参数的存储与预处理 | 第36-40页 |
| ·系统数据库的建立 | 第36-39页 |
| ·样本数据的预处理 | 第39-40页 |
| ·系统的运行试验和结果分析 | 第40-45页 |
| ·系统界面的设计 | 第40-41页 |
| ·系统模型的设置 | 第41页 |
| ·系统运行结果 | 第41-42页 |
| ·预测模块及预测结果 | 第42-45页 |
| 第五章 基于模糊神经网络的纳米析出相预测及工艺优化 | 第45-63页 |
| ·神经网络与模糊逻辑的关系 | 第45-46页 |
| ·模糊神经网络的结构 | 第46-50页 |
| ·T-S模糊模型 | 第46-47页 |
| ·T-S型模糊神经网络的结构 | 第47-50页 |
| ·模糊神经网络的学习算法 | 第50-53页 |
| ·输入输出变量的选择 | 第53-54页 |
| ·变量选取的原则 | 第53页 |
| ·选取的变量 | 第53-54页 |
| ·数据和参数的预处理 | 第54-55页 |
| ·数据的筛选 | 第54页 |
| ·数据的转换 | 第54-55页 |
| ·网络输出结构的选择 | 第55页 |
| ·网络运行结果 | 第55-60页 |
| ·网络训练结果 | 第55-57页 |
| ·网络测试结果 | 第57-60页 |
| ·模糊神经网络的性能分析 | 第60-61页 |
| ·工艺优化结果 | 第61-63页 |
| 第六章 总结 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 在学期间发表的论文目录 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附录 FNN源程序 | 第70-77页 |