薄板坯连铸神经网络漏钢预报系统研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·连铸技术的发展和现状 | 第12-14页 |
| ·漏钢预报的研究意义 | 第14页 |
| ·漏钢预报的产生与发展 | 第14-17页 |
| ·漏钢预报的主要方法 | 第17-18页 |
| ·本文的主要研究内容 | 第18-20页 |
| 第2章 连铸过程粘结漏钢分析 | 第20-27页 |
| ·连铸过程漏钢的主要形式 | 第20-21页 |
| ·粘结漏钢的形成过程 | 第21-22页 |
| ·粘结漏钢的冶金原理分析 | 第22-25页 |
| ·钢水弯月面形成 | 第22-23页 |
| ·弯月面渣圈影响 | 第23-25页 |
| ·诱发粘结漏钢的因素及其预防措施 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 温度数据的降噪处理 | 第27-51页 |
| ·温度信号的采集 | 第27-29页 |
| ·数据前处理 | 第29-31页 |
| ·常用降噪方法的应用 | 第31-37页 |
| ·五点均滑法 | 第31-33页 |
| ·多项式拟合降噪 | 第33-34页 |
| ·傅里叶变换降噪 | 第34-37页 |
| ·小波分析降噪原理 | 第37-41页 |
| ·小波变换信号分解 | 第37-38页 |
| ·多分辨分析 | 第38-40页 |
| ·正交小波变换 | 第40-41页 |
| ·小波分析在漏钢预报中的应用 | 第41-47页 |
| ·温度数据的降噪过程分析 | 第41-42页 |
| ·温度数据的小波分解 | 第42-46页 |
| ·小波分解系数阈值的确定 | 第46-47页 |
| ·温度数据降噪结果分析 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 漏钢预报模型的建立 | 第51-85页 |
| ·漏钢预报数学模型的建立 | 第51-61页 |
| ·单偶时序网络模型 | 第52-53页 |
| ·组偶空间网络模型 | 第53-57页 |
| ·训练和测试样本的选择 | 第57-60页 |
| ·样本归一化处理 | 第60-61页 |
| ·LM-BP 漏钢预报模型的建立 | 第61-69页 |
| ·BP 神经网络 | 第61-63页 |
| ·LM-BP 漏钢预报模型的结构及参数 | 第63-65页 |
| ·LM-BP 漏钢预报模型的算法流程 | 第65-66页 |
| ·LM-BP 漏钢预报模型的训练 | 第66-69页 |
| ·GA-LM-BP 漏钢预报模型的建立 | 第69-74页 |
| ·遗传算法流程 | 第69-70页 |
| ·GA 对 LM-BP 漏钢预报模型的优化 | 第70-72页 |
| ·GA-LM-BP 漏钢预报模型训练与测试 | 第72-74页 |
| ·PSO-LM-BP 漏钢预报模型的建立 | 第74-79页 |
| ·粒子群算法原理 | 第74-76页 |
| ·PSO 对 LM-BP 漏钢预报模型的优化 | 第76-78页 |
| ·PSO-LM-BP 漏钢预报模型的训练与测试 | 第78-79页 |
| ·神经网络漏钢预报模型的比较 | 第79-80页 |
| ·空间网络模型的训练和测试 | 第80-83页 |
| ·本章小结 | 第83-85页 |
| 第5章 薄板坯连铸漏钢预报系统的开发及测试 | 第85-106页 |
| ·薄板坯连铸漏钢预报系统的功能及结构 | 第85-87页 |
| ·薄板坯连铸漏钢预报系统的功能 | 第85-86页 |
| ·薄板坯连铸漏钢预报系统的结构 | 第86-87页 |
| ·薄板坯连铸漏钢预报系统神经网络模块的开发 | 第87-91页 |
| ·神经网络模块的训练及应用 | 第87-89页 |
| ·神经网络模块的程序设计 | 第89-91页 |
| ·薄板坯连铸漏钢预报系统结晶器热像图的显示 | 第91-104页 |
| ·结晶器铜板稳态温度场模型的建立 | 第92-101页 |
| ·结晶器热面实时热像图的实现 | 第101-104页 |
| ·薄板坯连铸漏钢预报系统其他模块的开发 | 第104-105页 |
| ·温度及温度变化曲线动态显示模块 | 第104-105页 |
| ·文件的读取与调用模块 | 第105页 |
| ·性能测试结果 | 第105页 |
| ·本章小结 | 第105-106页 |
| 结论 | 第106-108页 |
| 参考文献 | 第108-115页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第115-116页 |
| 致谢 | 第116-117页 |
| 作者简介 | 第117页 |
