| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·低碳贝氏体钢的应用于发展概述 | 第10-12页 |
| ·低碳贝氏体钢的特点与应用 | 第10-11页 |
| ·低碳贝氏体钢的发展状况 | 第11页 |
| ·低碳贝氏体钢的发展趋势 | 第11-12页 |
| ·人工神经网络在钢铁材料中的应用 | 第12-13页 |
| ·选题依据、目的和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·课题来源 | 第15页 |
| ·研究内容 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第2章 BP神经网络的基本理论及其实现 | 第16-33页 |
| ·引言 | 第16页 |
| ·BP神经网络的数学思想及其实现 | 第16-24页 |
| ·BP神经网络的数学思想 | 第16-22页 |
| ·BP神经网络的实现 | 第22页 |
| ·BP神经网络的优缺点以及改进措施 | 第22-24页 |
| ·遗传算法 | 第24-29页 |
| ·遗传算法的相关理论概念 | 第25-26页 |
| ·遗传算法对神经网络权值和阈值的优化 | 第26-29页 |
| ·MATLAB软件以及神经网络工具箱简介 | 第29-32页 |
| ·MATLAB软件简介 | 第29-30页 |
| ·神经网络工具箱简介 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 试验材料与试验方法 | 第33-49页 |
| ·引言 | 第33页 |
| ·试验材料 | 第33-34页 |
| ·试验用钢的准备试验 | 第34-39页 |
| ·低碳钢的轧制试验 | 第34-36页 |
| ·试验用钢的冷却试验 | 第36-37页 |
| ·试验用钢的回火处理 | 第37-39页 |
| ·金相试样的制备以及金相分析 | 第39-48页 |
| ·金相试样的制备 | 第39-41页 |
| ·金相分析 | 第41-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 BP神经网络模型相关参数的选择 | 第49-58页 |
| ·引言 | 第49-50页 |
| ·训练样本的选取 | 第50页 |
| ·样本数据的预处理 | 第50-51页 |
| ·BP神经网络模型结构的设计 | 第51-54页 |
| ·输入与输出单元数的选取 | 第52页 |
| ·隐层数目的选取 | 第52-53页 |
| ·隐层节点数的选择 | 第53-54页 |
| ·低碳钢贝氏体晶粒尺寸BP神经网络模型结构参数设定 | 第54-57页 |
| ·初始权值和阈值的设定 | 第54-55页 |
| ·传递函数的选择 | 第55页 |
| ·训练函数的选择 | 第55-56页 |
| ·其它网络结构参数的设置 | 第56页 |
| ·网络的仿真及测试函数的设定 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 低碳钢贝氏体晶粒尺寸的BP网络预测模型 | 第58-64页 |
| ·引言 | 第58-59页 |
| ·低碳钢贝氏体晶粒尺寸的BP网络预测模型的建立 | 第59-62页 |
| ·预测模型主要程序的设计 | 第59-62页 |
| ·结果分析和讨论 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 发表论文和参加科研情况说明 | 第69-70页 |
| 发表的论文 | 第69页 |
| 参加科研情况 | 第69-70页 |
| 致谢 | 第70-71页 |