| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·漏钢预报的国内外研究现状 | 第11-14页 |
| ·检测漏钢的方法 | 第11-12页 |
| ·基于热电偶测温法的漏钢预报方法 | 第12-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 第2章 粘结漏钢的形成及漏钢预报原理 | 第16-25页 |
| ·漏钢的种类 | 第16-17页 |
| ·粘结漏钢的形成原因分析 | 第17-20页 |
| ·粘结漏钢的形成过程 | 第17页 |
| ·铸坯粘结的形成 | 第17-19页 |
| ·弯月面的作用 | 第19-20页 |
| ·诱发粘结漏钢的因素及预防措施 | 第20-22页 |
| ·诱发粘结漏钢的因素 | 第20-21页 |
| ·预防粘结漏钢的措施 | 第21-22页 |
| ·粘结漏钢预报原理 | 第22-24页 |
| ·连铸粘结性漏钢的预报原理 | 第22-23页 |
| ·粘结裂口的传播情况分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于粒子群优化算法的 BP 神经网络 | 第25-41页 |
| ·人工神经网络概述 | 第25-26页 |
| ·BP 神经网络 | 第26-32页 |
| ·BP 网络结构 | 第26-27页 |
| ·BP 算法的数学描述 | 第27-30页 |
| ·BP 算法的改进 | 第30-32页 |
| ·粒子群优化算法 | 第32-37页 |
| ·粒子群优化算法原理 | 第32-33页 |
| ·粒子群优化算法的数学描述 | 第33-35页 |
| ·粒子群优化算法的参数设计 | 第35页 |
| ·粒子群优化算法的改进 | 第35-37页 |
| ·粒子群优化算法与 BP 神经网络的融合 | 第37-40页 |
| ·算法设计 | 第38-39页 |
| ·算法流程 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于粒子群优化算法的 BP 神经网络漏钢预报模型 | 第41-57页 |
| ·BP 神经网络漏钢预报模型 | 第41-46页 |
| ·数据预处理 | 第41-42页 |
| ·时序网络模型 | 第42-44页 |
| ·空间网络模型 | 第44-46页 |
| ·基于粒子群优化 BP 神经网络的漏钢预报模型建立 | 第46-56页 |
| ·粒子群算法设计 | 第46页 |
| ·网络结构的设计 | 第46-47页 |
| ·预报模型的训练及测试 | 第47-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 神经网络漏钢预报模型的程序实现 | 第57-67页 |
| ·漏钢预报系统的功能及结构 | 第57-58页 |
| ·漏钢预报系统的功能 | 第57页 |
| ·漏钢预报系统的结构 | 第57-58页 |
| ·漏钢预报系统的运行机理 | 第58-59页 |
| ·漏钢预报系统的漏钢判别流程 | 第59-62页 |
| ·漏钢预报系统的界面设计 | 第62-66页 |
| ·性能测试结果 | 第66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |