基于BP神经网络多用炉炉温预测控制
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 绪论 | 第9-15页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 热处理炉加热控制技术 | 第10-12页 |
| 1.2.1 热处理炉发展 | 第10-11页 |
| 1.2.2 热处理炉加热控制技术 | 第11-12页 |
| 1.3 基于神经网络预测控制概述 | 第12-14页 |
| 1.3.1 预测控制概述 | 第12-13页 |
| 1.3.2 基于神经网络预测 | 第13-14页 |
| 1.4 本文主要工作 | 第14-15页 |
| 2. 可控气氛多用炉概述 | 第15-21页 |
| 2.1 多用炉生产线 | 第15-16页 |
| 2.2 多用炉控制系统 | 第16-18页 |
| 2.3 天然气加热系统 | 第18-20页 |
| 2.3.1 传统燃烧技术 | 第19页 |
| 2.3.2 脉冲燃烧控制 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3. 基于BP网络多用炉温度建模 | 第21-34页 |
| 3.1 BP神经网络 | 第21-25页 |
| 3.1.1 BP神经网络模型 | 第21-22页 |
| 3.1.2 BP网络训练算法 | 第22-25页 |
| 3.2 BP网络学习算法优缺点 | 第25-26页 |
| 3.3 BP算法改进 | 第26-27页 |
| 3.4 BP网络建立多用炉温度模型 | 第27-32页 |
| 3.4.1 输入、输出向量设计 | 第28-29页 |
| 3.4.2 网络模型建立 | 第29-32页 |
| 3.5 本章小结 | 第32-34页 |
| 4. 基于BP网络多用炉温度预测控制 | 第34-45页 |
| 4.1 模型预测控制基本原理 | 第34-36页 |
| 4.1.1 参考轨迹 | 第34-35页 |
| 4.1.2 预测模型 | 第35页 |
| 4.1.3 滚动优化 | 第35-36页 |
| 4.1.4 反馈校正 | 第36页 |
| 4.2 基于BP神经网络的预测控制 | 第36-41页 |
| 4.2.1 基于BP神经网络的多步预测模型 | 第37-40页 |
| 4.2.2 神经网络预测控制算法 | 第40-41页 |
| 4.3 多用炉温度控制过程仿真研究 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5. 结论与展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 攻读硕士学位期间发表学术论文情况 | 第48-49页 |
| 致谢 | 第49-50页 |
| 作者简介 | 第50-51页 |
