| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 引言 | 第10-12页 |
| 1 文献综述 | 第12-22页 |
| ·漏钢概述 | 第12-14页 |
| ·漏钢的种类 | 第12页 |
| ·粘结漏钢的机理分析 | 第12-14页 |
| ·解决粘结漏钢的主要途径 | 第14页 |
| ·漏钢征兆检测方法 | 第14-17页 |
| ·结晶器热传递测量分析法 | 第14-15页 |
| ·摩擦力(拉坯阻力)测量法 | 第15页 |
| ·铸坯短边凹度测量法 | 第15页 |
| ·热电偶测量法 | 第15-17页 |
| ·超声波测量法 | 第17页 |
| ·粘结漏钢预报方法 | 第17-18页 |
| ·逻辑漏钢预报方法 | 第17-18页 |
| ·神经网络漏钢预报方法 | 第18页 |
| ·国内外研究现状 | 第18-21页 |
| ·国外 | 第18-20页 |
| ·国内 | 第20-21页 |
| ·该领域目前存在的问题 | 第21-22页 |
| 2 模糊神经网络的研究 | 第22-38页 |
| ·模糊神经网络概述 | 第22-26页 |
| ·模糊逻辑系统 | 第22-23页 |
| ·人工神经网络 | 第23-24页 |
| ·模糊神经网络 | 第24-26页 |
| ·基于Takagi-Sugeno模型的模糊神经网络 | 第26-28页 |
| ·模糊系统的Takagi-Sugeno模型 | 第26-27页 |
| ·网络结构 | 第27-28页 |
| ·学习算法 | 第28页 |
| ·补偿模糊神经网络(CFNN) | 第28-31页 |
| ·网络结构 | 第29页 |
| ·学习算法 | 第29-31页 |
| ·基于减法聚类的模糊神经网络 | 第31-38页 |
| ·减法聚类 | 第32-33页 |
| ·自适应神经模糊网络 | 第33-35页 |
| ·基于减法聚类的模糊神经网络 | 第35-36页 |
| ·应用举例 | 第36-38页 |
| 3 模糊神经网络在漏钢预报系统中的应用 | 第38-48页 |
| ·技术方案的选择 | 第38-39页 |
| ·技术评价指标 | 第38页 |
| ·技术方案的确定 | 第38-39页 |
| ·预报系统的网络模型 | 第39-48页 |
| ·网络模型的建立 | 第39-42页 |
| ·数据预处理技术 | 第42-44页 |
| ·网络模型的离线测试 | 第44-48页 |
| 4 漏钢预报系统的软件开发 | 第48-56页 |
| ·开发环境 | 第48-50页 |
| ·VB语言概述 | 第48页 |
| ·MATLAB概述 | 第48-49页 |
| ·MATLAB与VB的接口 | 第49-50页 |
| ·软件设计 | 第50-56页 |
| ·系统功能框图 | 第50页 |
| ·系统流程图 | 第50-51页 |
| ·软件实现 | 第51-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 作者简介 | 第64页 |