基于NN-GA的工业过程稳态优化设计
| 摘要 | 第1-6页 |
| Abstrct | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景 | 第10页 |
| ·国内外相关领域研究的发展与现状 | 第10-15页 |
| ·传统工业过程的稳态优化研究 | 第10-11页 |
| ·智能优化技术的发展及应用 | 第11-15页 |
| ·课题来源及研究内容 | 第15-17页 |
| ·课题来源 | 第15页 |
| ·本文主要工作 | 第15-17页 |
| 第2章 工业稳态优化的总体设计 | 第17-23页 |
| ·引言 | 第17页 |
| ·工业稳态优化问题描述 | 第17-18页 |
| ·稳态优化的概念 | 第17页 |
| ·稳态优化问题的一般形式 | 第17-18页 |
| ·稳态优化问题的实现 | 第18-20页 |
| ·建模阶段 | 第18-19页 |
| ·优化决策阶段 | 第19-20页 |
| ·优化设计方案的提出 | 第20-22页 |
| ·优化算例简介 | 第20-21页 |
| ·优化设计总体方案的提出 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 建立基于 BP神经网络的系统稳态模型 | 第23-31页 |
| ·引言 | 第23页 |
| ·建立神经网络模型的理论基础 | 第23-25页 |
| ·神经网络的概念和特点 | 第23-24页 |
| ·神经网络的学习方法 | 第24-25页 |
| ·建立BP网络模型的结构和函数 | 第25-27页 |
| ·BP网络的结构 | 第26页 |
| ·网络传递函数与误差函数 | 第26-27页 |
| ·BP算法及其改进方法 | 第27-30页 |
| ·标准 BP算法的训练过程 | 第27-29页 |
| ·改进的 BP算法—LMBP算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 遗传算法对系统稳态模型的优化 | 第31-44页 |
| ·引言 | 第31页 |
| ·遗传算法概述 | 第31-33页 |
| ·遗传算法的概念 | 第31-32页 |
| ·遗传算法的特点 | 第32-33页 |
| ·基于遗传算法稳态优化的实现 | 第33-40页 |
| ·编码 | 第33-35页 |
| ·种群初始化 | 第35页 |
| ·适应度函数 | 第35-37页 |
| ·遗传操作 | 第37-38页 |
| ·选择控制参数与处理约束条件 | 第38-40页 |
| ·遗传算法的理论分析 | 第40-41页 |
| ·模式定理 | 第40-41页 |
| ·积木块假设 | 第41页 |
| ·基于实数编码的遗传算法改进 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第5章 基于 NN-GA的稳态优化设计 | 第44-50页 |
| ·引言 | 第44页 |
| ·BP神经网络模型的建立 | 第44-46页 |
| ·建模的主要步骤 | 第44页 |
| ·抽余液塔神经网络稳态模型的建立 | 第44-46页 |
| ·用改进 GA算法优化系统的变量 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间发表的学术论文 | 第54-55页 |
| 致谢 | 第55页 |
