基于多神经网络融合的铝带坯晶粒度软测量技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·课题来源与研究意义 | 第9-10页 |
| ·多神经网络建模的研究与应用 | 第10-13页 |
| ·多神经网络模型的提出 | 第10-11页 |
| ·多神经网络模型的基本结构 | 第11页 |
| ·多神经网络建模的主要研究内容 | 第11-12页 |
| ·多神经网络建模的应用 | 第12-13页 |
| ·数据融合技术的发展现状 | 第13-15页 |
| ·铝电磁铸轧控制及晶粒度检测的研究现状 | 第15-18页 |
| ·铝电磁铸轧控制现状 | 第15-16页 |
| ·晶粒度检测的研究现状 | 第16-18页 |
| ·论文研究内容及章节安排 | 第18-20页 |
| 第二章 铝电磁铸轧工艺及机理分析 | 第20-28页 |
| ·铝电磁铸轧工艺概述 | 第20-22页 |
| ·连续铸轧技术的发展 | 第20-21页 |
| ·铝电磁铸轧设备及工艺流程 | 第21-22页 |
| ·铝电磁铸轧系统结构及工作原理 | 第22-27页 |
| ·铝电磁铸轧系统结构 | 第22-23页 |
| ·电磁感应装置的基本结构 | 第23-24页 |
| ·电磁感应装置中复合磁场的形成过程 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 晶粒度软测量辅助变量的选择 | 第28-43页 |
| ·软测量技术概述 | 第28-33页 |
| ·软测量技术的基本框架 | 第28-29页 |
| ·软测量的主要研究内容 | 第29-30页 |
| ·软测量的建模方法 | 第30-31页 |
| ·软测量的设计步骤 | 第31-33页 |
| ·晶粒度软测量模型辅助变量的选择 | 第33-41页 |
| ·影响铝带坯晶粒度的电磁因素分析 | 第33-36页 |
| ·影响铝带坯晶粒度的铸轧工艺因素分析 | 第36-41页 |
| ·晶粒度软测量模型辅助变量的初选 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第四章 多神经网络铝带坯晶粒度软测量建模 | 第43-59页 |
| ·铝带坯晶粒度软测量模型的整体框架 | 第43-44页 |
| ·输入数据集的归一化处理 | 第44-45页 |
| ·基于主元分析(PCA)的输入数据集降维处理 | 第45-50页 |
| ·PCA技术及其算法 | 第46-48页 |
| ·主元的贡献率和累积贡献率 | 第48-49页 |
| ·基于PCA的数据集改进 | 第49-50页 |
| ·基于K-均值聚类法的数据样本集分类 | 第50-52页 |
| ·基于PCA和聚类的多神经网络(MNN)建模 | 第52-57页 |
| ·MNN的学习算法 | 第52-55页 |
| ·基于PCA和聚类的MNN模型结构 | 第55-56页 |
| ·采用PCR方法计算MNN模型权值 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 软测量模型的MATLAB仿真与在线校正 | 第59-74页 |
| ·MNN晶粒度软测量模型的MATLAB实现 | 第59-72页 |
| ·子网络的选取与实现 | 第59-62页 |
| ·基于BP-MNN的晶粒度软测量建模与仿真 | 第62-67页 |
| ·基于RBF-MNN的晶粒度软测量建模与仿真 | 第67-69页 |
| ·基于组合MNN的晶粒度软测量建模与仿真 | 第69-72页 |
| ·MNN软测量模型的在线修正 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·总结 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间主要的研究成果 | 第82页 |
