| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 行业现状概述 | 第14-15页 |
| 1.2 课题来源及研究意义 | 第15页 |
| 1.3 相关研究现状 | 第15-17页 |
| 1.4 研究内容及组织结构 | 第17-18页 |
| 第二章 玻璃生产工艺流程介绍 | 第18-32页 |
| 2.1 主要工艺概况 | 第18页 |
| 2.2 配料工序生产工艺流程 | 第18-25页 |
| 2.2.1 工艺流程简介 | 第18-20页 |
| 2.2.2 配料工序对熔窑运行工况及玻璃产品质量的影响因素分析 | 第20-24页 |
| 2.2.3 小结 | 第24-25页 |
| 2.3 熔制工序生产工艺流程 | 第25-30页 |
| 2.3.1 工艺流程简介 | 第25-26页 |
| 2.3.2 熔窑系统的主要设备及其对熔窑运行的影响 | 第26-30页 |
| 2.3.3 小结 | 第30页 |
| 2.4 成型工序生产工艺流程 | 第30-32页 |
| 2.4.1 成型工序生产工艺及参数要求 | 第30-31页 |
| 2.4.2 产品产量造成的影响 | 第31-32页 |
| 第三章 过程神经网络 | 第32-40页 |
| 3.1 人工神经网络模型 | 第32-33页 |
| 3.1.1 人工神经元模型 | 第32-33页 |
| 3.1.2 人工神经网络模型 | 第33页 |
| 3.2 过程神经元与过程神经网络模型 | 第33-40页 |
| 3.2.1 过程神经元模型 | 第33-34页 |
| 3.2.2 过程神经网络模型 | 第34-36页 |
| 3.2.3 在线学习式过程神经网络学习规则 | 第36-40页 |
| 第四章 基于传热机理模型及过程神经网络的池底玻璃液温度预测方法 | 第40-56页 |
| 4.1 温度检测现状 | 第40页 |
| 4.2 池底玻璃液温度预测 | 第40-48页 |
| 4.2.1 工艺流程中池底玻璃液温度的影响因素 | 第40-43页 |
| 4.2.2 数据预处理 | 第43-45页 |
| 4.2.3 预测方法架构 | 第45-46页 |
| 4.2.4 机理模型预测温度变化 | 第46-47页 |
| 4.2.5 过程神经网络模型 | 第47-48页 |
| 4.3 数值计算结果 | 第48-53页 |
| 小结 | 第53-56页 |
| 第五章 基于过程神经网络的玻璃产品质量预测 | 第56-64页 |
| 5.1 玻璃产品质量影响因素分析 | 第56-59页 |
| 5.1.1 气泡数量影响因素 | 第56-57页 |
| 5.1.2 条纹产生影响因素 | 第57页 |
| 5.1.3 耐火材料熔解 | 第57页 |
| 5.1.4 小结 | 第57-59页 |
| 5.2 数据处理及过程神经网络预测 | 第59-60页 |
| 5.3 数值计算结果 | 第60-64页 |
| 第六章 总结与展望 | 第64-68页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 展望 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 研究成果及发表的学术论文 | 第74-76页 |
| 作者和导师简介 | 第76-77页 |
| 附件 | 第77-78页 |
