基于遗传算法的BP神经网络镁还原率预报及还原罐温度场模拟
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 镁的特性 | 第9页 |
| 1.2 镁的应用 | 第9-12页 |
| 1.2.1 纯镁的应用 | 第10页 |
| 1.2.2 镁合金的应用 | 第10-12页 |
| 1.3 镁的生产工艺 | 第12-14页 |
| 1.4 镁生产工艺的国内外研究 | 第14-16页 |
| 1.4.1 国内研究 | 第14-15页 |
| 1.4.2 国外研究 | 第15-16页 |
| 1.5 课题研究的背景、意义及主要内容 | 第16-18页 |
| 1.5.1 课题研究的背景及意义 | 第16-17页 |
| 1.5.2 课题研究的主要内容 | 第17-18页 |
| 2 皮江法炼镁工艺 | 第18-23页 |
| 2.1 工艺工序流程 | 第19-21页 |
| 2.1.1 白云石煅烧工序 | 第19页 |
| 2.1.2 配料制球工序 | 第19-20页 |
| 2.1.3 真空热还原工序 | 第20页 |
| 2.1.4 粗镁精炼工序 | 第20-21页 |
| 2.2 工艺发展方向 | 第21-23页 |
| 3 人工神经网络 | 第23-30页 |
| 3.1 人工神经元模型 | 第24-25页 |
| 3.2 神经网络的特点 | 第25-26页 |
| 3.3 BP 神经网络学习流程 | 第26-30页 |
| 4 遗传算法 | 第30-37页 |
| 4.1 遗传算法概述 | 第30-31页 |
| 4.2 遗传算法的基本组成 | 第31-34页 |
| 4.2.1 编码 | 第31-32页 |
| 4.2.2 适应值函数 | 第32页 |
| 4.2.3 遗传算子 | 第32-34页 |
| 4.3 遗传算法参数的选择 | 第34页 |
| 4.4 遗传算法对 BP 神经网络的优化 | 第34-37页 |
| 5 镁还原率预报模型的建立 | 第37-47页 |
| 5.1 MATLAB 软件介绍 | 第37页 |
| 5.2 网络建立及数据提取 | 第37-43页 |
| 5.2.1 网络变量的选择 | 第37页 |
| 5.2.2 工艺参数的影响 | 第37-41页 |
| 5.2.3 网络结构确定 | 第41-42页 |
| 5.2.4 样本收集及数据处理 | 第42-43页 |
| 5.3 网络训练及结果分析 | 第43-47页 |
| 6 还原罐温度场分析 | 第47-56页 |
| 6.1 ANSYS 热分析理论基础 | 第47-48页 |
| 6.2 热物性参数确定 | 第48-49页 |
| 6.3 还原炉内还原罐温度分布 | 第49-55页 |
| 6.3.1 倒焰窑还原罐的温度分布 | 第49-52页 |
| 6.3.2 蓄热式还原炉还原罐温度分布 | 第52-55页 |
| 6.4 本章小结 | 第55-56页 |
| 7 结论与展望 | 第56-58页 |
| 7.1 结论 | 第56页 |
| 7.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |
