首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

改进粒子群算法优化的BP网络在漏钢预报系统中的应用

摘要第4-5页
Abstract第5页
第1章 绪论第8-14页
    1.1 连铸机的简单介绍第8页
    1.2 研究漏钢预报的意义第8-9页
    1.3 研究漏钢预报的研究现状第9-10页
    1.4 连铸漏钢的分类第10-12页
        1.4.1 开浇漏钢的原因第10页
        1.4.2 正常浇铸过程的漏钢的原因第10-11页
        1.4.3 粘结性漏钢的形成机理第11-12页
    1.5 检测漏钢的方法第12-13页
    1.6 本章小结第13-14页
第2章 热电偶的选择及其埋设方式第14-21页
    2.1 热电偶的构造第14页
    2.2 热电偶的测温原理第14-15页
    2.3 热电偶的选择第15-16页
    2.4 基于热电偶测温的漏钢预报机理第16-17页
    2.5 热电偶在结晶器上的埋设方式第17-20页
        2.5.1 断裂口的扩散速度模型第17-18页
        2.5.2 改进的热电偶埋设模型分析第18-20页
    2.6 本章小结第20-21页
第3章 漏钢预报系统的硬件设计第21-35页
    3.1 温度采集单元的设计第21-26页
        3.1.1 K 型热电偶测温的难点第21-22页
        3.1.2 温度采集单元硬件的设计第22-24页
        3.1.3 温度采集单元硬件的实物第24页
        3.1.4 温度采集单元软件的设计第24-26页
    3.2 TCP/IP 通信单元的设计第26-34页
        3.2.1 双口 RAM 芯片的 CY7C136 简单介绍第27-28页
        3.2.2 双口 RAM 电路的设计第28-29页
        3.2.3 以太网控制芯片 CP2200 介绍第29-31页
        3.2.4 以太网控制芯片 CP2200 电路设计第31-32页
        3.2.5 LM2937-3.3 稳压电路的设计第32页
        3.2.6 TCP/IP 通信单元的硬件实物第32-33页
        3.2.7 通讯板模块软件的设计第33-34页
    3.3 本章小结第34-35页
第4章 基于神经网络漏钢预报系统的设计第35-51页
    4.1 神经网络的概念第36页
    4.2 BP 网络结构第36-37页
    4.3 BP 算法的原理第37-41页
        4.3.1 隐含层与输出层的权值修正第38-39页
        4.3.2 输入层与隐含层的权值修正第39-41页
    4.4 改进的粒子群优化算法第41-45页
        4.4.1 粒子群优化算法的数学描述第42-43页
        4.4.2 粒子群优化算法的基本框架第43页
        4.4.3 粒子群优化算法的改进第43-44页
        4.4.4 改进的粒子群优化 BP 神经网络的原理及流程第44-45页
    4.5 网络模型的建立第45-50页
        4.5.1 时序网络模型第46-47页
        4.5.2 组合网络模型第47-48页
        4.5.3 改进的粒子群优化 BP 神经网络的实验第48-50页
    4.6 本章小结第50-51页
第5章 漏钢预报系统上位机软件的开发第51-56页
    5.1 系统的开发环境简介第51页
    5.2 系统的界面的设计第51-55页
        5.2.1 漏钢预报系统的主界面第51-52页
        5.2.2 外弧热电偶实际测得的温度曲线第52-53页
        5.2.3 粘结温度曲线分析第53-54页
        5.2.4 漏钢温度曲线分析及干扰第54-55页
    5.3 本章小结第55-56页
第6章 总结与展望第56-57页
    6.1 总结第56页
    6.2 展望第56-57页
致谢第57-58页
参考文献第58-61页
攻读硕士学位期间发表的论文第61-62页
详细摘要第62-68页

论文共68页,点击 下载论文
上一篇:电液变增益闭环同步控制算法研究与分析
下一篇:基于NDIS中间层驱动的防SQL注入系统的设计与实现