基于神经网络的IF钢性能预报
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1.绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究现状 | 第9-11页 |
| 1.3 本文研究方法 | 第11页 |
| 1.4 本文内容及结构 | 第11-13页 |
| 2.IF钢简介 | 第13-21页 |
| 2.1 IF钢的生产工艺流程 | 第13页 |
| 2.2 IF钢力学性能的影响因素 | 第13-15页 |
| 2.2.1 IF钢的成分控制 | 第13-14页 |
| 2.2.2 IF钢的制备工艺条件 | 第14-15页 |
| 2.3 IF钢的微观组织控制 | 第15-21页 |
| 2.3.1 织构 | 第15-16页 |
| 2.3.2 金相组织 | 第16-19页 |
| 2.3.3 第二相粒子 | 第19-21页 |
| 3.基于互信息的预测模型输入特征选取 | 第21-36页 |
| 3.1 特征选择 | 第21-22页 |
| 3.2 互信息基础理论 | 第22-26页 |
| 3.2.1 熵 | 第22-23页 |
| 3.2.2 条件熵和联合熵 | 第23-24页 |
| 3.2.3 互信息 | 第24-26页 |
| 3.3 BP网络 | 第26-28页 |
| 3.3.1 BP网络结构 | 第26-27页 |
| 3.3.2 BP网络算法的原理 | 第27-28页 |
| 3.4 基于互信息的预测模型输入特征选取 | 第28-36页 |
| 3.4.1 实验材料 | 第28页 |
| 3.4.2 屈服强度模型的输入特征选取 | 第28-30页 |
| 3.4.3 抗拉强度模型的输入特征选取 | 第30-31页 |
| 3.4.4 延伸率模型的输入特征选取 | 第31-32页 |
| 3.4.5 r值模型的输入特征选取 | 第32-34页 |
| 3.4.6 n值模型的输入特征选取 | 第34-36页 |
| 4.IF钢性能预报模型的建立 | 第36-47页 |
| 4.1 ANFIS网络设计原理 | 第36-39页 |
| 4.1.1 ANFIS网络结构 | 第36-37页 |
| 4.1.2 ANFIS网络的训练 | 第37-39页 |
| 4.2 IF钢性能预报模型的建立 | 第39-45页 |
| 4.2.1 屈服强度模型的建立 | 第39-41页 |
| 4.2.2 抗拉强度模型的建立 | 第41-42页 |
| 4.2.3 延伸率模型的建立 | 第42-43页 |
| 4.2.4 r值模型的建立 | 第43-44页 |
| 4.2.5 n值模型的建立 | 第44-45页 |
| 4.3 本章小结 | 第45-47页 |
| 5.结论 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 附录A ANFIS网络的输入、输出参数 | 第52-60页 |
| 攻读硕士学位期间发表学术论文情况 | 第60-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62-63页 |
