基于遗传算法与人工神经网络的加热炉建模方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1课题研究背景及意义 | 第11-12页 |
| 1.2 国内外发展及研究现状 | 第12-16页 |
| 1.2.1 加热炉建模的研究现状 | 第12-13页 |
| 1.2.2 人工神经网络的发展及研究现状 | 第13-14页 |
| 1.2.3 遗传算法的发展及研究现状 | 第14-16页 |
| 1.3 本文主要内容和结构安排 | 第16-19页 |
| 第2章 神经网络基本理论及其仿真研究 | 第19-37页 |
| 2.1 神经元模型及相关函数 | 第19-21页 |
| 2.1.1 神经元模型 | 第19页 |
| 2.1.2 神经元基函数及激活函数 | 第19-21页 |
| 2.2 神经网络的学习算法 | 第21-22页 |
| 2.3 BP神经网络 | 第22-27页 |
| 2.3.1 BP神经网络结构 | 第22-23页 |
| 2.3.2 标准BP算法 | 第23-27页 |
| 2.4 BP神经网络的性能分析及其改进 | 第27-29页 |
| 2.4.1 BP神经网络的局限性 | 第27页 |
| 2.4.2 标准BP算法的改进算法 | 第27-29页 |
| 2.5 BP神经网络的仿真研究 | 第29-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第3章 遗传算法理论及其仿真研究 | 第37-51页 |
| 3.1 遗传算法概述 | 第37-38页 |
| 3.2 标准遗传算法 | 第38-39页 |
| 3.2.1 遗传算法的基本思想 | 第38页 |
| 3.2.2 遗传算法的基本原理 | 第38-39页 |
| 3.2.3 遗传算法的设计步骤 | 第39页 |
| 3.3 遗传算法的收敛性分析 | 第39-41页 |
| 3.4 遗传算法的特点与改进 | 第41-46页 |
| 3.4.1 遗传算法的优势 | 第41-42页 |
| 3.4.2 遗传算法的"早熟"问题 | 第42页 |
| 3.4.3 遗传算法的改进 | 第42-46页 |
| 3.5 遗传算法仿真研究 | 第46-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第4章 遗传神经网络设计与实现 | 第51-63页 |
| 4.1 遗传算法对神经网络改进 | 第51页 |
| 4.2 神经网络与遗传算法合作式结合 | 第51-53页 |
| 4.3 遗传神经网络实现 | 第53-56页 |
| 4.3.1 神经网络学习的复杂性 | 第53页 |
| 4.3.2 面向神经网络权值优化的遗传算法 | 第53-56页 |
| 4.4 遗传神经网络的仿真研究 | 第56-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 GA-BP神经网络的加热炉炉温建模 | 第63-79页 |
| 5.1 加热炉工况介绍 | 第63-65页 |
| 5.1.1 蓄热式连续推钢加热炉 | 第63-64页 |
| 5.1.2 加热炉结构 | 第64-65页 |
| 5.2 现场控制系统软硬件基本组成 | 第65-66页 |
| 5.3 加热炉建模仿真研究 | 第66-78页 |
| 5.3.1 数据选取 | 第67页 |
| 5.3.2 数据预处理 | 第67-71页 |
| 5.3.3 GA-BP神经网络的设计及仿真 | 第71-78页 |
| 5.3.4 仿真研究总结 | 第78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 总结与展望 | 第79-83页 |
| 6.1 本文工作内容总结 | 第79-80页 |
| 6.2 未来研究的展望 | 第80-83页 |
| 参考文献 | 第83-87页 |
| 附录A | 第87-89页 |
| 致谢 | 第89-91页 |
| 在读期间发表的学术论文与取得的研究成 | 第91页 |
