基于遗传神经网络的受电弓碳滑板配方优化应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-15页 |
| ·研究背景 | 第11页 |
| ·课题研究目的及意义 | 第11-12页 |
| ·国内外发展现状及分析 | 第12-13页 |
| ·国内发展现状 | 第12-13页 |
| ·国外发展现状 | 第13页 |
| ·神经网络在配方优化中的应用 | 第13页 |
| ·创新点 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| 2 碳滑板简介 | 第15-20页 |
| ·电力机车简介 | 第15页 |
| ·受电弓滑板 | 第15-16页 |
| ·受电弓滑板材质分类及其性能特点 | 第16-18页 |
| ·纯金属滑板 | 第16页 |
| ·纯碳滑板 | 第16-17页 |
| ·粉末冶金滑板 | 第17页 |
| ·浸金属碳滑板 | 第17页 |
| ·复合材料滑板 | 第17-18页 |
| ·碳滑板制作流程 | 第18页 |
| ·研究对象 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 BP神经网络及遗传算法原理 | 第20-34页 |
| ·人工神经网络简介 | 第20-21页 |
| ·神经网络学习方式 | 第20页 |
| ·人工神经网络应用领域 | 第20-21页 |
| ·人工神经网络的种类 | 第21页 |
| ·BP神经网络简介 | 第21-25页 |
| ·BP学习规则 | 第21页 |
| ·BP算法的原理 | 第21-23页 |
| ·BP算法的步骤 | 第23页 |
| ·BP网络的设计 | 第23-24页 |
| ·限制与不足 | 第24-25页 |
| ·优化算法 | 第25-26页 |
| ·遗传算法原理 | 第26-28页 |
| ·遗传算法的应用 | 第26-27页 |
| ·遗传算法优缺点 | 第27-28页 |
| ·遗传算法的基本要素 | 第28-33页 |
| ·编码 | 第28页 |
| ·遗传算法的基本操作 | 第28-32页 |
| ·适应度函数 | 第32页 |
| ·控制参数选择 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于遗传神经网络的碳滑板配方优化研究 | 第34-43页 |
| ·神经网络在配方优化中的特点 | 第34页 |
| ·BP神经网络与遗传算法的结合 | 第34-35页 |
| ·数据预处理 | 第35-37页 |
| ·虚拟样本 | 第35-36页 |
| ·数据归一化处理 | 第36-37页 |
| ·建立神经网络 | 第37-39页 |
| ·确定网络层数 | 第37页 |
| ·确定隐含层结点的个数 | 第37-38页 |
| ·各层函数的确定 | 第38-39页 |
| ·设置神经网络参数 | 第39页 |
| ·训练与检验样本分配 | 第39页 |
| ·遗传算法优化神经网络权值和阈值 | 第39-41页 |
| ·回归分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 碳滑板配方优化的模拟实现 | 第43-54页 |
| ·碳滑板配方优化分析 | 第43-44页 |
| ·模拟实现环境 | 第43页 |
| ·数据流程图 | 第43页 |
| ·模块结构 | 第43-44页 |
| ·碳滑板配方应用的设计 | 第44-46页 |
| ·主界面 | 第44-45页 |
| ·管理员界面 | 第45页 |
| ·日志界面 | 第45页 |
| ·训练与预测界面 | 第45-46页 |
| ·COM组件应用 | 第46-49页 |
| ·VC++中调用MATLAB生成COM组件方法 | 第47页 |
| ·在VC++环境调用生成的动态链接库 | 第47-49页 |
| ·数据库实现 | 第49-50页 |
| ·应用实例 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |
