基于PSO-BP神经网络的铝带坯晶粒度软测量建模及优化
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·课题来源及研究意义 | 第9-10页 |
| ·铝电磁铸轧技术和晶粒度检测的研究与发展 | 第10-12页 |
| ·铝电磁铸轧技术 | 第10-11页 |
| ·晶粒度检测技术 | 第11-12页 |
| ·软测量技术发展应用现状 | 第12-19页 |
| ·软测量技术的概念 | 第12-13页 |
| ·软测量技术建模方法 | 第13-16页 |
| ·软测量技术国内外研究发展及现状 | 第16-19页 |
| ·论文主要内容及章节安排 | 第19-20页 |
| 第二章 铝电磁铸轧系统原理及晶粒度影响因素分析 | 第20-33页 |
| ·铝电磁铸轧系统概述 | 第20-21页 |
| ·铝电磁铸轧感应装置原理及结构 | 第21-25页 |
| ·磁场对金属凝固组织的作用机理 | 第21-22页 |
| ·连续铸轧的工艺要求 | 第22-23页 |
| ·电磁感应装置的基本结构 | 第23-25页 |
| ·影响铝带坯晶粒度的因素 | 第25-31页 |
| ·影响铝带坯晶粒度的铸轧因素 | 第27-29页 |
| ·影响铝带坯晶粒度的电磁因素 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于 BP神经网络的晶粒度软测量模型 | 第33-58页 |
| ·软测量模型设计 | 第33-39页 |
| ·软测量技术基本原理 | 第33-34页 |
| ·软测量技术的要素 | 第34-35页 |
| ·软测量模型的设计步骤 | 第35-39页 |
| ·BP神经网络原理 | 第39-45页 |
| ·BP神经网络结构 | 第39-41页 |
| ·BP神经网络训练 | 第41-44页 |
| ·BP神经网络优点 | 第44-45页 |
| ·BP神经网络存在的问题 | 第45页 |
| ·铝带坯晶粒度软测量模型 | 第45-52页 |
| ·输入数据的的标准化处理 | 第45-48页 |
| ·主元分析理论 | 第48-49页 |
| ·基于主元分析方法的数据集改进 | 第49-51页 |
| ·晶粒度软测量模型的基本结构 | 第51-52页 |
| ·试验结果与分析 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于 PSO的软测量模型优化 | 第58-72页 |
| ·进化算法优化神经网络 | 第58-59页 |
| ·进化算法优化神经网络 | 第58-59页 |
| ·粒子群算法与其他进化算法的比较 | 第59页 |
| ·PSO基本原理 | 第59-63页 |
| ·粒子群算法的基本原理 | 第60-62页 |
| ·全局模式与局部模式 | 第62页 |
| ·带惯性权重的微粒群算法 | 第62-63页 |
| ·基于 PSO的BP神经网络模型优化 | 第63-65页 |
| ·试验结果与分析 | 第65-70页 |
| ·软测量模型在线修正 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间主要的研究成果 | 第80页 |
