| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·选题的工业背景及意义 | 第10-11页 |
| ·热壁加氢反应器用材2.25Cr-1Mo 钢的回火脆性研究进展 | 第11-14页 |
| ·回火脆性的一些基本概念 | 第11页 |
| ·回火脆性的评定 | 第11-12页 |
| ·回火脆性研究进展 | 第12-14页 |
| ·J2EE 构架简述 | 第14-16页 |
| ·J2EE 基本概念 | 第14-15页 |
| ·J2EE 的特点 | 第15-16页 |
| ·人工神经网络简述 | 第16-17页 |
| ·人工神经网络概念 | 第16页 |
| ·国内外研究情况简介 | 第16-17页 |
| ·人工神经网络的特点 | 第17页 |
| ·本文的研究方法 | 第17-18页 |
| ·论文的主要内容及安排 | 第18-20页 |
| 第2章 基于人工神经网络的2.25Cr-1Mo 钢 FATT 预测 | 第20-33页 |
| ·人工神经网络的结构与类型 | 第20页 |
| ·BP 神经网络 | 第20-23页 |
| ·BP 神经网络模型 | 第20-21页 |
| ·BP 神经网络学习机理 | 第21-23页 |
| ·BP 神经网络特点 | 第23页 |
| ·BP 神经网络在系统中的设计和实现 | 第23-30页 |
| ·样本数据 | 第23-28页 |
| ·神经网络拓扑结构的确定 | 第28-30页 |
| ·基于 BP 神经网络模型的 FATT 预测的程序实现 | 第30页 |
| ·基于 BP 神经网络的 FATT 预测 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 J2EE 架构设计及其在2.25Cr-1Mo 钢 FATT 在线预测系统中的应用 | 第33-56页 |
| ·J2EE 的体系结构 | 第33-34页 |
| ·Struts 框架 | 第34-40页 |
| ·模型-视图-控制器结构 | 第34-36页 |
| ·Struts 体系结构 | 第36-38页 |
| ·Struts 的工作原理 | 第38-40页 |
| ·Hibernate 框架 | 第40-46页 |
| ·O/R Mapping | 第40-42页 |
| ·Java 领域的 O/R Mapping 方案 | 第42页 |
| ·Hibernate 的持久层解决方案 | 第42-43页 |
| ·Hibernate 工作原理 | 第43-44页 |
| ·Hibernate 的框架 | 第44-46页 |
| ·基于 Struts 和 Hibernate 框架的 J2EE 构架设计 | 第46-49页 |
| ·系统架构设计 | 第46-48页 |
| ·基于 Struts 和 Hibernate 框架的 J2EE 架构的特点 | 第48-49页 |
| ·基于 J2EE 构架的 FATT 在线预测方法 | 第49-54页 |
| ·Struts 和 Hibernate 的整合 | 第49-51页 |
| ·Struts+Hibernate 系统架构下的数据表示 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第4 章热壁加氢反应器用2.25Cr-1Mo 钢 FATT 在线预测系统设计与实现 | 第56-63页 |
| ·基于 J2EE 构架和人工神经网络的 FATT 在线预测系统设 | 第56-57页 |
| ·系统目标 | 第56页 |
| ·体系结构 | 第56-57页 |
| ·系统环境 | 第57-58页 |
| ·硬件环境 | 第57页 |
| ·软件环境 | 第57-58页 |
| ·系统安全体系 | 第58页 |
| ·系统的实现 | 第58-62页 |
| ·主要功能模块 | 第58-59页 |
| ·主要功能模块界面 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 工程应用实例 | 第63-66页 |
| ·概述 | 第63页 |
| ·工程应用实例 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 在读期间参加科研工作情况 | 第73-74页 |
| 附录一 JAVA BP 算法代码 | 第74-79页 |
