烧透点递阶智能控制系统的研究与实现
| 中文摘要 | 第1-8页 |
| 英文摘要 | 第8-23页 |
| 第一章 绪论 | 第23-35页 |
| ·烧结复杂工艺过程 | 第23-26页 |
| ·冶金工艺流程 | 第23页 |
| ·烧结工艺流程 | 第23-24页 |
| ·烧透点工艺特点 | 第24-26页 |
| ·烧透点复杂过程数学模型研究现状 | 第26-29页 |
| ·过程模拟模型 | 第26-27页 |
| ·参数优化模型 | 第27-28页 |
| ·过程控制模型 | 第28-29页 |
| ·烧透点人工智能技术的研究现状 | 第29-31页 |
| ·人工智能发展 | 第29页 |
| ·人工智能技术在烧透点预测控制中的应用 | 第29-31页 |
| ·烧透点控制中存在的问题 | 第31-32页 |
| ·本文的选题和主要内容 | 第32-35页 |
| ·选题与意义 | 第32-33页 |
| ·本文内容安排 | 第33-35页 |
| 第二章 递阶智能控制系统的数据处理和融合 | 第35-45页 |
| ·递阶智能控制系统的信息的层次和特征 | 第35-36页 |
| ·信息的层次 | 第35-36页 |
| ·信息的特征 | 第36页 |
| ·智能系统的信息处理 | 第36-40页 |
| ·基本概念 | 第36-37页 |
| ·基本方法 | 第37-40页 |
| ·智能系统的数据处理 | 第40-44页 |
| ·分解与综合 | 第40-42页 |
| ·数据融合 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 递阶智能控制系统的基本模型和算法 | 第45-81页 |
| ·神经网络的结构分析 | 第45-51页 |
| ·神经网络的算法分析 | 第51-62页 |
| ·NN的信息流 | 第51-54页 |
| ·BP算法及其改进 | 第54-57页 |
| ·基于数值优化的网络训练算法 | 第57-59页 |
| ·多种算法性能比较 | 第59页 |
| ·算法仿真 | 第59-62页 |
| ·遗传算法的优化策略 | 第62-68页 |
| ·简单SGA基本概念 | 第62-63页 |
| ·操作算子 | 第63-64页 |
| ·GA的运行过程 | 第64-68页 |
| ·模糊系统的理论分析 | 第68-73页 |
| ·模糊集合的运算 | 第68-69页 |
| ·模糊控制器 | 第69-71页 |
| ·模糊系统的通用逼近性 | 第71-73页 |
| ·智能推理机制的分析 | 第73-79页 |
| ·发展过程 | 第73页 |
| ·知识表示 | 第73-76页 |
| ·推理机 | 第76-78页 |
| ·推理机制建立的具体过程 | 第78-79页 |
| ·系统的优化结构 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第四章 烧透点的自适应神经网络预测 | 第81-108页 |
| ·遗传神经网络的原理 | 第81-82页 |
| ·遗传神经网络的自适应性分析 | 第82-90页 |
| ·以指数形式实现交叉和变异 | 第82-83页 |
| ·以平均适应度形式实现交叉和变异 | 第83-84页 |
| ·仿真试验与结果分析 | 第84-90页 |
| ·混合型遗传神经网络 | 第90-93页 |
| ·不同混合方法的论述 | 第90-91页 |
| ·仿真试验 | 第91-92页 |
| ·结果分析 | 第92-93页 |
| ·变结构神经网络 | 第93-100页 |
| ·BP网络结构参数的编码 | 第94-98页 |
| ·基于GA的变结构神经网络 | 第98-99页 |
| ·变结构与其它算法的仿真比较 | 第99-100页 |
| ·自适应聚类遗传神经网络 | 第100-106页 |
| ·预测模型建立 | 第100-101页 |
| ·自适应模式聚类 | 第101-102页 |
| ·实例仿真 | 第102-106页 |
| ·多种遗传神经网络的比较 | 第106-107页 |
| ·本章小结 | 第107-108页 |
| 第五章 烧透点的模糊神经网络控制 | 第108-122页 |
| ·烧透点工艺的复杂性 | 第108页 |
| ·模糊神经网络 | 第108-117页 |
| ·FC与NN的关系 | 第109-110页 |
| ·FC与NN的融合结构 | 第110-111页 |
| ·隶属函数对控制性能作用 | 第111-117页 |
| ·烧透点模糊神经网络控制系统分析 | 第117-120页 |
| ·FNN控制系统 | 第118-119页 |
| ·实例仿真与结果分析 | 第119-120页 |
| ·本章小结 | 第120-122页 |
| 第六章 烧透点的智能辅助推理系统 | 第122-133页 |
| ·烧透点的多变量耦合性 | 第122-126页 |
| ·烧透点控制中的一些重要参数 | 第122-124页 |
| ·烧结过程状态与参数间的关系 | 第124-126页 |
| ·烧透点辅助推理系统的建立 | 第126-129页 |
| ·递阶智能推理系统结构 | 第126页 |
| ·推理方式的确定 | 第126-127页 |
| ·冲突消解 | 第127-128页 |
| ·知识库的管理 | 第128-129页 |
| ·烧透点辅助推理系统的自学习 | 第129-131页 |
| ·基于规则的自学习控制系统 | 第129-130页 |
| ·烧透点参数偏离子空间 | 第130-131页 |
| ·烧透点辅助推理系统的优化推理模型 | 第131页 |
| ·本章小结 | 第131-133页 |
| 第七章 烧透点递阶智能控制系统的开发与实现 | 第133-151页 |
| ·烧透点递阶智能控制系统的开发过程 | 第133-135页 |
| ·开发环境 | 第133-134页 |
| ·开发过程 | 第134-135页 |
| ·系统的设计 | 第135-144页 |
| ·系统框架设计 | 第135-139页 |
| ·烧透点ANN预测与FNN控制的集成 | 第139-142页 |
| ·推理机制的实现 | 第142-144页 |
| ·系统的调试与运行 | 第144-149页 |
| ·本章小结 | 第149-151页 |
| 第八章 结论与展望 | 第151-153页 |
| ·主要结论 | 第151-152页 |
| ·今后的展望 | 第152-153页 |
| 参考文献 | 第153-166页 |
| 致谢 | 第166-167页 |
| 攻读博士学位期间发表的学术论文及承担的科研项目 | 第167-168页 |
| 1. 学术论文 | 第167页 |
| 2. 科研项目 | 第167-168页 |
