基于小波神经网络反演炉口火焰温度辅助炼钢终点判断的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-16页 |
| ·选题背景及意义 | 第7-8页 |
| ·转炉炼钢 | 第8-9页 |
| ·终点控制 | 第9-10页 |
| ·终点控制的发展 | 第10-13页 |
| ·人工经验控制 | 第10-11页 |
| ·静态控制 | 第11页 |
| ·动态控制 | 第11-13页 |
| ·新型的终点控制方法 | 第13-14页 |
| ·光学系统 | 第13-14页 |
| ·图像方法 | 第14页 |
| ·本文所做工作 | 第14-16页 |
| 2 炉口火焰图象采集与处理 | 第16-26页 |
| ·系统的实践基础 | 第16页 |
| ·系统的基本组成 | 第16-17页 |
| ·图像采集处理系统 | 第17-20页 |
| ·图像采集系统整体设计要求 | 第17页 |
| ·摄像系统 | 第17-18页 |
| ·图像采集系统 | 第18-20页 |
| ·火焰分析的现状 | 第20-22页 |
| ·应用图像判断炼钢终点 | 第21-22页 |
| ·其它火焰图像的应用 | 第22页 |
| ·本文采用的处理方法 | 第22页 |
| ·颜色模型的选择 | 第22-26页 |
| 3 小波变换原理 | 第26-38页 |
| ·短时傅里叶变换 | 第26-28页 |
| ·傅里叶变换 | 第26-27页 |
| ·短时傅里叶变换 | 第27-28页 |
| ·小波变换 | 第28-38页 |
| ·小波函数的分类 | 第29-38页 |
| ·连续小波 | 第29-31页 |
| ·离散小波 | 第31-33页 |
| ·二进小波 | 第33页 |
| ·多分辨率分析小波与正交小波 | 第33-38页 |
| 4 人工神经网络 | 第38-47页 |
| ·人工神经网络的构成 | 第38-41页 |
| ·神经网络的工作 | 第41-42页 |
| ·BP算法 | 第42-47页 |
| ·BP算法的过程 | 第42-44页 |
| ·训练步骤 | 第44页 |
| ·BP网络的误差曲面讨论 | 第44-45页 |
| ·算法的改进 | 第45-47页 |
| 5 小波神经网络 | 第47-51页 |
| ·小波与神经网络的结合方式灵活 | 第47页 |
| ·小波神经网络小波函数的选取 | 第47页 |
| ·小波神经网络逼近函数的优点 | 第47-48页 |
| ·小波神经网络的分类 | 第48-51页 |
| 6 用小波神经网络反演炉口火焰温度 | 第51-67页 |
| ·转炉炉口火焰与终点的关系 | 第51页 |
| ·高温物体的颜色和温度之间的关系 | 第51-52页 |
| ·物体颜色与温度存在对应关系 | 第51页 |
| ·抽取反映颜色种类的颜色参数作为模式特征向量 | 第51-52页 |
| ·用小波神经网络来测量炉口火焰的温度 | 第52-67页 |
| ·小波神经网络的选择 | 第52-53页 |
| ·用多分辨小波神经网络测量温度 | 第53-60页 |
| ·用正交小波神经网络估算温度 | 第60-67页 |
| 7 总结 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
