生块质量与煅烧生产工艺参数间的关系模型研究
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-15页 |
1.1 课题研究背景 | 第10-11页 |
1.2 研究目的及意义 | 第11页 |
1.3 国内外研究现状 | 第11-12页 |
1.4 论文研究工作 | 第12-13页 |
1.5 论文组织结构 | 第13-14页 |
1.6 本章小结 | 第14-15页 |
第二章 相关理论研究 | 第15-27页 |
2.1 遗传算法(GA) | 第15-18页 |
2.1.1 遗传算法概述 | 第15页 |
2.1.2 遗传算法组成 | 第15-17页 |
2.1.3 遗传算法流程 | 第17-18页 |
2.2 模拟退火算法(SA) | 第18-22页 |
2.2.1 模拟退火算法概述 | 第18-19页 |
2.2.2 模拟退火算法组成 | 第19-20页 |
2.2.3 模拟退火算法流程 | 第20-22页 |
2.3 BP神经网络算法 | 第22-26页 |
2.3.1 B P神经网络算法概述 | 第22页 |
2.3.2 B P神经网络算法组成 | 第22-23页 |
2.3.3 B P神经网络算法流程 | 第23-25页 |
2.3.4 B P神经网络算法优化 | 第25-26页 |
2.4 本章小结 | 第26-27页 |
第三章 混合遗传模拟退火算法(GASA) | 第27-33页 |
3.1 优化的遗传算法 | 第27-28页 |
3.1.1 适应度值的优化 | 第27页 |
3.1.2 交叉概率和变异概率的自适应调整 | 第27-28页 |
3.2 混合遗传模拟退火算法 | 第28-30页 |
3.2.1 算法概述 | 第28页 |
3.2.2 算法流程及步骤 | 第28-30页 |
3.3 算法模型测试 | 第30-32页 |
3.3.1 问题概述 | 第30页 |
3.3.2 参数设置 | 第30-31页 |
3.3.3 实验结果 | 第31页 |
3.3.4 测试结论 | 第31-32页 |
3.4 本章小结 | 第32-33页 |
第四章 生块质量与煅烧工艺参数间的预测模型 | 第33-44页 |
4.1 工艺流程分析 | 第33-35页 |
4.1.1 预焙阳极生产过程分析 | 第33-34页 |
4.1.2 煅烧生产工艺参数 | 第34页 |
4.1.3 生块质量评价参数 | 第34-35页 |
4.2 预测模型算法详解(GASA-BP) | 第35-38页 |
4.2.1 算法概述 | 第35页 |
4.2.2 算法模型介绍 | 第35-36页 |
4.2.3 算法流程及步骤 | 第36-38页 |
4.3 预测模型算法参数 | 第38-39页 |
4.3.1 确定遗传算法相关参数 | 第38页 |
4.3.2 确定模拟退火算法相关参数 | 第38-39页 |
4.3.3 确定GASA-BP算法其他相关参数 | 第39页 |
4.4 预测模型实验结果展示与分析 | 第39-42页 |
4.4.1 数据预处理 | 第39-40页 |
4.4.2 实验结果展示 | 第40-42页 |
4.4.3 实验结果分析 | 第42页 |
4.5 本章小结 | 第42-44页 |
第五章 生块质量与煅烧工艺参数间的预测系统 | 第44-59页 |
5.1 需求分析说明 | 第44页 |
5.2 系统总体设计 | 第44-46页 |
5.2.1 软件设计原则 | 第44-45页 |
5.2.2 系统整体架构 | 第45-46页 |
5.2.3 软件开发环境 | 第46页 |
5.3 系统详细设计 | 第46-53页 |
5.3.1 功能模块设计 | 第46-48页 |
5.3.2 功能模块流程图 | 第48-50页 |
5.3.3 系统数据库设计 | 第50-52页 |
5.3.4 E-R图设计 | 第52-53页 |
5.4 系统功能实现 | 第53-58页 |
5.4.1 数据采集模块 | 第53-54页 |
5.4.2 数据预处理模块 | 第54-55页 |
5.4.3 数据建模分析模块 | 第55-57页 |
5.4.4 数据可视化模块 | 第57-58页 |
5.4.5 用户管理模块 | 第58页 |
5.5 本章小结 | 第58-59页 |
第六章 结论与展望 | 第59-61页 |
6.1 主要结论 | 第59-60页 |
6.2 研究展望 | 第60-61页 |
参考文献 | 第61-64页 |
在学期间的研究成果 | 第64-65页 |
致谢 | 第65页 |