| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-21页 |
| ·课题来源 | 第9-10页 |
| ·铝电磁铸轧技术及铝带坯晶粒度检测技术的研究现状 | 第10-13页 |
| ·铝电磁铸轧技术的国内外研究现状 | 第10-12页 |
| ·铝带坯晶粒度检测技术的研究现状 | 第12-13页 |
| ·软测量技术的研究与应用 | 第13-16页 |
| ·软测量研究的主要内容 | 第13-14页 |
| ·软测量的研究现状 | 第14-16页 |
| ·软测量建模方法 | 第16-19页 |
| ·基于传统方法的软测量模型 | 第16页 |
| ·基于回归分析的软测量模型 | 第16-18页 |
| ·基于智能方法的软测量模型 | 第18-19页 |
| ·论文主要工作与章节安排 | 第19-21页 |
| 第二章 铝电磁铸轧系统及其工艺机理分析 | 第21-33页 |
| ·铝连续铸轧的发展及现状 | 第21-23页 |
| ·传统的铝及铝合金连续铸轧技术及工艺 | 第21-22页 |
| ·铝电磁铸轧技术及工艺 | 第22-23页 |
| ·铝电磁铸轧系统构造 | 第23-24页 |
| ·铝电磁铸轧系统工艺机理分析 | 第24-26页 |
| ·影响铝带坯晶粒度的铸轧因素和电磁因素 | 第26-32页 |
| ·影响铸轧铝带坯的铸轧工艺因素 | 第27-31页 |
| ·影响铸轧铝带坯的电磁因素 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 机器学习理论及支持向量机 | 第33-44页 |
| ·机器学习理论 | 第33-38页 |
| ·基于数据的机器学习问题模型 | 第33-34页 |
| ·统计学习理论 | 第34-35页 |
| ·学习过程的一致性条件 | 第35页 |
| ·VC维理论 | 第35-36页 |
| ·推广性的界 | 第36-38页 |
| ·支持向量机 | 第38-43页 |
| ·支持向量机的基本思想 | 第38-42页 |
| ·核函数 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于 SVM及ε-SVR的铝带坯晶粒度软测量建模 | 第44-65页 |
| ·铝电磁铸轧系统软测量模型的建立 | 第44-52页 |
| ·铝电磁铸轧系统软测量模型的结构 | 第44-46页 |
| ·铝电磁铸轧系统软测量模型的设计 | 第46页 |
| ·铝电磁铸轧系统软测量模型工程的实现 | 第46-52页 |
| ·基于SVM及ε-SVR的铝带坯晶粒度软测量模型的建立 | 第52-63页 |
| ·铝电磁铸轧系统软测量模型结构 | 第52-53页 |
| ·改进的SVM算法研究 | 第53-55页 |
| ·软测量模型建模及仿真 | 第55-63页 |
| ·基于ε-SVR的铝电磁铸轧系统软测量建模及实验结果 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 基于v-SVR改进算法的铝电磁铸轧系统软测量建模 | 第65-72页 |
| ·v-SVR训练算法 | 第65-66页 |
| ·不同参数对预测结果的影响 | 第66-70页 |
| ·基于v-SVR的铝带坯晶粒度软测量建模及实验结果 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·工作总结 | 第72-73页 |
| ·研究展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间主要的研究成果 | 第80页 |
