| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·热连轧连铸坯感应加热概述 | 第10-11页 |
| ·国内外热连轧发展状况 | 第11-12页 |
| ·感应加热建模与控制研究现状 | 第12-14页 |
| ·选题背景意义 | 第14-15页 |
| ·本文研究主要内容 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 相关理论基础 | 第17-26页 |
| ·电磁感应加热原理 | 第17-18页 |
| ·集肤效应 | 第18页 |
| ·钢坯感应加热的物理过程 | 第18页 |
| ·神经网络技术简介 | 第18-23页 |
| ·神经网络的发展 | 第19页 |
| ·神经网络的主要特性 | 第19-20页 |
| ·人工神经网络理论基础 | 第20-21页 |
| ·神经网络的结构 | 第21页 |
| ·神经网络的学习方法 | 第21-22页 |
| ·误差反向传播（BP）神经网络 | 第22-23页 |
| ·相关计算公式推导 | 第23-25页 |
| ·铁芯线圈阻抗的简易测算法 | 第23-24页 |
| ·功率密度 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 数据预处理 | 第26-38页 |
| ·感应加热系统 | 第26-27页 |
| ·问题描述与假设 | 第27-28页 |
| ·数据采集 | 第28-30页 |
| ·数据预处理 | 第30-31页 |
| ·确定有效时间段 | 第30-31页 |
| ·数据清洗 | 第31页 |
| ·钢坯加热响应特性数据 | 第31-37页 |
| ·占空比计算 | 第31-34页 |
| ·输出电流的计算 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于 BP 神经网络的钢坯温度预测模型 | 第38-48页 |
| ·建模方法概述 | 第38-39页 |
| ·模型一 电参数模型 | 第39-43页 |
| ·输入输出变量 | 第39-40页 |
| ·电参数神经网络模型 | 第40-42页 |
| ·模型验证 | 第42-43页 |
| ·模型二 电功率模型 | 第43-46页 |
| ·阻抗计算 | 第43-44页 |
| ·功率密度 | 第44-45页 |
| ·电功率神经网络模型 | 第45-46页 |
| ·模型验证 | 第46页 |
| ·模型对比 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于 BP 神经网络温度预测模型的优化控制 | 第48-55页 |
| ·优化命题 | 第48页 |
| ·优化方法 | 第48-51页 |
| ·优化验证 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |