| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 研究的目的和意义 | 第12-13页 |
| 1.3 国内外传感器动态补偿的研究现状 | 第13-19页 |
| 1.3.1 温度传感器动态特性的研究 | 第13-15页 |
| 1.3.2 温度传感器动态补偿方法研究现状 | 第15-19页 |
| 1.4 本文研究内容 | 第19-21页 |
| 第二章 变时间常数温度测温传感器的机理建模分析 | 第21-39页 |
| 2.1 黑体空腔钢水连续测温系统介绍 | 第21-24页 |
| 2.1.1 系统组成 | 第21-22页 |
| 2.1.2 系统性能指标 | 第22-23页 |
| 2.1.3 传感器传热过程分析 | 第23-24页 |
| 2.2 基于机理建模的测温传感器动态特性分析 | 第24-32页 |
| 2.2.1 测温管传热模型建立 | 第24-25页 |
| 2.2.3 常物性传热模型时间常数推导 | 第25-29页 |
| 2.2.4 变物性传热模型时间常数推导 | 第29-32页 |
| 2.3 时间常数影响因素分析 | 第32-34页 |
| 2.4 变时间常数测温管的机理建模问题分析 | 第34-36页 |
| 2.5 本章小结 | 第36-39页 |
| 第三章 基于BP神经网络的温度传感器动态补偿模型 | 第39-59页 |
| 3.1 基于BP神经网络的温度传感器动态补偿方案设计 | 第39-43页 |
| 3.1.1 神经网络的基本原理 | 第39-40页 |
| 3.1.2 补偿方案设计 | 第40-41页 |
| 3.1.3 BP神经网络建模的流程 | 第41-43页 |
| 3.2 补偿模型建立 | 第43-52页 |
| 3.2.1 训练样本选择 | 第43-44页 |
| 3.2.2 补偿温度段划分 | 第44-45页 |
| 3.2.3 训练参数选择 | 第45-46页 |
| 3.2.4 激活函数和训练函数选择 | 第46-47页 |
| 3.2.5 网络训练权值的确定 | 第47-49页 |
| 3.2.6 BP神经网络的建立 | 第49-52页 |
| 3.3 补偿结果滤波处理 | 第52-57页 |
| 3.3.1 滤波实现过程 | 第52-53页 |
| 3.3.2 补偿结果分析 | 第53-57页 |
| 3.3.3 补偿模型问题分析 | 第57页 |
| 3.4 本章小结 | 第57-59页 |
| 第四章 基于神经网络逆系统方法的传感器动态补偿模型 | 第59-71页 |
| 4.1 神经网络逆系统方法 | 第59-60页 |
| 4.1.1 神经网络逆系统方法简介 | 第59页 |
| 4.1.2 神经网络逆系统结构 | 第59-60页 |
| 4.2 基于神经网络逆系统的动态补偿方案设计 | 第60-62页 |
| 4.2.1 传感器神经网络逆系统的实现 | 第61-62页 |
| 4.2.2 神经网络逆系统的训练方法 | 第62页 |
| 4.3 钢水连续测温传感器神经网络逆系统模型的建立 | 第62-66页 |
| 4.3.1 连续测温传感器神经网络逆系统模型的辨识 | 第62页 |
| 4.3.2 模型温度段划分及训练样本选择 | 第62-65页 |
| 4.3.3 训练参数选择 | 第65页 |
| 4.3.4 神经网络逆系统模型的训练 | 第65-66页 |
| 4.4 逆系统动态补偿结果分析 | 第66-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 结论 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
