| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| ·选题的背景与意义 | 第8页 |
| ·转炉炼钢简介 | 第8-12页 |
| ·转炉炼钢的原理 | 第8-9页 |
| ·转炉炼钢设备和工艺过程 | 第9-12页 |
| ·转炉炼钢终点控制现状 | 第12-15页 |
| ·人工经验控制 | 第12页 |
| ·静态控制 | 第12-13页 |
| ·动态控制 | 第13-15页 |
| ·神经网络在转炉炼钢中的应用及发展 | 第15-17页 |
| ·基于BP 网络的建模方法 | 第15-16页 |
| ·RBF 神经网络的终点预报 | 第16页 |
| ·神经网络和其它智能方法的结合 | 第16页 |
| ·采用专家系统的动态冶炼模型 | 第16-17页 |
| ·本文主要工作 | 第17-18页 |
| 第二章 神经网络基本理论介绍 | 第18-32页 |
| ·引言 | 第18-20页 |
| ·BP 神经网络简介 | 第20-25页 |
| ·BP 网络构造 | 第20-21页 |
| ·隐层的设计 | 第21-22页 |
| ·BP 网络权值调整 | 第22-24页 |
| ·BP 学习算法的计算步骤 | 第24-25页 |
| ·BP 神经网络算法的问题和改进 | 第25-31页 |
| ·BP 算法存在的问题 | 第25页 |
| ·BP 算法的一些改进 | 第25-29页 |
| ·LM 算法 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于神经网络控制方法 | 第32-42页 |
| ·神经网络控制器设计的几点考虑 | 第32-33页 |
| ·神经网络控制结构 | 第33-41页 |
| ·正向建模 | 第33-34页 |
| ·直接逆向建模 | 第34页 |
| ·正—逆系统建模 | 第34-37页 |
| ·神经网络内模控制逆系统建模 | 第37-40页 |
| ·BP 网络的自校正内模控 | 第40-41页 |
| ·小结 | 第41-42页 |
| 第四章 神经网络在转炉炼钢终点控制的应用 | 第42-58页 |
| ·处理预报模型的数据 | 第42-45页 |
| ·确定输入输出的参数 | 第42-43页 |
| ·数据统计 | 第43-44页 |
| ·测试样本归一化处理 | 第44-45页 |
| ·采用Levenberg - Marquardt(LM ) 算法的BP 预报模型 | 第45-50页 |
| ·模型结构 | 第45-46页 |
| ·仿真结果分析 | 第46-50页 |
| ·转炉炼钢终点控制的模型 | 第50-56页 |
| ·神经网络终点控制的模型 | 第50-55页 |
| ·实验分析 | 第55-56页 |
| ·小结 | 第56-58页 |
| 第五章 总结和展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·未来需要改进的问题和措施 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录:样本数据库 | 第64-66页 |