基于BP神经网络的板坯连铸漏钢预报模型研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-25页 |
| ·引言 | 第10-11页 |
| ·连铸漏钢的种类及其成因 | 第11-14页 |
| ·开浇漏钢 | 第11页 |
| ·铸中漏钢 | 第11-12页 |
| ·粘结性漏钢 | 第12-14页 |
| ·漏钢征兆的检测方法 | 第14-16页 |
| ·结晶器热交换分析法 | 第14页 |
| ·热电偶检测法 | 第14-15页 |
| ·摩擦力检测方法 | 第15页 |
| ·振动波形分析法 | 第15页 |
| ·超声波探测方法 | 第15-16页 |
| ·热电偶检测法漏钢预报系统的构成 | 第16页 |
| ·基于热电偶检测法的漏钢预报模型 | 第16-20页 |
| ·逻辑判断漏钢预报模型 | 第16-18页 |
| ·神经网络的漏钢预报模型 | 第18-20页 |
| ·BP 神经网络模型特点与应用 | 第20-23页 |
| ·神经网络的特点 | 第20页 |
| ·BP 神经网络模型原理 | 第20-21页 |
| ·BP 神经网络在模式识别中的应用 | 第21-22页 |
| ·BP 神经网络模型应用中的问题 | 第22-23页 |
| ·研究背景和研究内容 | 第23-25页 |
| ·研究背景 | 第23页 |
| ·研究内容 | 第23-25页 |
| 2 神经网络漏钢预报模型 | 第25-35页 |
| ·漏钢预报模型原理 | 第25-29页 |
| ·粘结性漏钢的本质特征 | 第25页 |
| ·粘结性漏钢的形成过程 | 第25-26页 |
| ·粘结性漏钢预报模型原理 | 第26-27页 |
| ·粘结裂口传播速度的数学模型 | 第27-29页 |
| ·热电偶的布置 | 第29页 |
| ·神经网络漏钢预报模型 | 第29-35页 |
| ·数据预处理 | 第30-31页 |
| ·时序网络模型结构 | 第31-33页 |
| ·空间网络模型结构 | 第33-35页 |
| 3 神经网络漏钢预报模型算法研究 | 第35-41页 |
| ·BP 神经网络原理及算法描述 | 第35-39页 |
| ·BP 神经网络的结构 | 第35-36页 |
| ·BP 算法的数学描述 | 第36-38页 |
| ·BP 神经网络算法结构 | 第38-39页 |
| ·BP 神经网络的算法优化 | 第39-41页 |
| ·神经网络权值的初始化 | 第39页 |
| ·基于L-M 优化算法的BP 神经网络 | 第39-41页 |
| 4 神经网络漏钢预报模型的程序实现 | 第41-52页 |
| ·神经网络漏钢预报系统的功能及结构 | 第41-42页 |
| ·神经网络漏钢预报系统的功能 | 第41页 |
| ·神经网络漏钢预报系统的结构 | 第41-42页 |
| ·神经网络漏钢预报系统流程设计 | 第42-47页 |
| ·神经网络漏钢预报系统的运行机理 | 第42-44页 |
| ·神经网络漏钢预报系统漏钢判别流程 | 第44-47页 |
| ·神经网络漏钢预报系统的界面设计 | 第47-52页 |
| ·系统的启动界面 | 第48页 |
| ·系统的主界面 | 第48-49页 |
| ·显示系统界面 | 第49页 |
| ·神经网络界面 | 第49-50页 |
| ·数据查询界面 | 第50页 |
| ·报警信息显示界面 | 第50-52页 |
| 5 神经网络漏钢预报模型的检验 | 第52-62页 |
| ·数据采集 | 第52-55页 |
| ·攀钢提钒炼钢厂2 号铸机的特点 | 第52-53页 |
| ·漏钢检测的硬件配置 | 第53-54页 |
| ·数据采集方式 | 第54-55页 |
| ·数据分析 | 第55-56页 |
| ·报警数据分析 | 第55页 |
| ·时序网络输入层向量维数的确定 | 第55-56页 |
| ·神经网络漏钢预报模型的检验 | 第56-62页 |
| ·模型的训练及样本测试 | 第56-59页 |
| ·模型的离线测试 | 第59-62页 |
| 6 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 | 第67-73页 |
