宽板坯表面纵裂的神经元网络预测模型
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-13页 |
| ·前言 | 第11页 |
| ·本课题的研究背景及意义 | 第11-12页 |
| ·本课题研究的主要内容 | 第12-13页 |
| 第二章 文献综述 | 第13-21页 |
| ·连铸坯质量控制的现状和发展 | 第13-16页 |
| ·国内外连铸坯质量预报的发展现状 | 第13-16页 |
| ·神经网络理论在冶金工业的应用 | 第16-21页 |
| ·人工神经网络概述 | 第16-17页 |
| ·人工神经网络的发展 | 第17-18页 |
| ·人工神经网络的特点 | 第18-19页 |
| ·人工神经网络理论在连铸坯质量预报方面的应用 | 第19-21页 |
| 第三章 连铸坯表面缺陷及其形成机理研究 | 第21-32页 |
| ·概述 | 第21页 |
| ·连铸坯表面缺陷分类 | 第21-22页 |
| ·连铸坯表面缺陷形成机理 | 第22-26页 |
| ·钢的高温延展性 | 第22-25页 |
| ·亚包晶钢的裂纹敏感性 | 第25页 |
| ·连铸过程中的裂纹敏感性 | 第25-26页 |
| ·板坯表面纵裂影响因素 | 第26-32页 |
| ·钢水成分对板坯纵裂的影响 | 第26-28页 |
| ·钢水过热度 | 第28页 |
| ·铸坯拉速 | 第28页 |
| ·结晶器冷却条件 | 第28-29页 |
| ·二冷区水量 | 第29页 |
| ·结晶器保护渣 | 第29-30页 |
| ·结晶器液面波动 | 第30-31页 |
| ·浸入式水口参数 | 第31-32页 |
| 第四章 人工神经元网络模型的建立 | 第32-57页 |
| ·神经元模型 | 第32-33页 |
| ·神经元结构 | 第32-33页 |
| ·神经元激活函数 | 第33页 |
| ·人工神经网络模型的学习过程 | 第33页 |
| ·神经网络模型的选择 | 第33-39页 |
| ·BP网络算法 | 第34-36页 |
| ·BP网络的全局误差函数 | 第36-37页 |
| ·学习速率 | 第37页 |
| ·隐层节点数的设计 | 第37页 |
| ·BP网络算法程序流程图 | 第37-38页 |
| ·算法改进措施 | 第38-39页 |
| ·神经网络程序设计 | 第39-43页 |
| ·网络训练样本 | 第39-40页 |
| ·变量选择 | 第40-43页 |
| ·变量筛选 | 第43页 |
| ·数据预处理 | 第43-50页 |
| ·数据筛选 | 第44-47页 |
| ·输入输出数据标准化 | 第47-50页 |
| ·网络层数设计 | 第50-51页 |
| ·模型训练 | 第51-52页 |
| ·隐含层节点数的确定 | 第51页 |
| ·其他参数的确定 | 第51-52页 |
| ·BP网络模型预测结果 | 第52-55页 |
| ·误差分析 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第五章 宽板坯表面纵裂神经元网络预测模型 | 第57-66页 |
| ·数据库的作用和功能 | 第57-58页 |
| ·数据库的建立 | 第58-59页 |
| ·数据库的管理与维护 | 第59-62页 |
| ·数据库的备份 | 第60-61页 |
| ·数据库的恢复 | 第61-62页 |
| ·预报模块的建立 | 第62-64页 |
| ·ADO数据库访问模块 | 第62-63页 |
| ·SOCKET连接模块 | 第63页 |
| ·数据操作模块 | 第63页 |
| ·数据预测模块 | 第63-64页 |
| ·客户端发送数据模块 | 第64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结论 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69页 |
