| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9页 |
| ·连铸漏钢分类和粘结性漏钢机理分析 | 第9-11页 |
| ·漏钢分类 | 第10页 |
| ·粘结性漏钢机理分析 | 第10-11页 |
| ·解决粘结性漏钢的主要途径 | 第11页 |
| ·漏钢征兆检测方法 | 第11-13页 |
| ·结晶器热传递测量分析法 | 第11-12页 |
| ·摩擦力（拉坯阻力）测量法 | 第12页 |
| ·铸坯短边凹度测量法 | 第12页 |
| ·热电偶测量法 | 第12-13页 |
| ·超声波测量法 | 第13页 |
| ·粘结性漏钢预报方法 | 第13-14页 |
| ·逻辑漏钢预报方法 | 第13页 |
| ·神经网络漏钢预报方法 | 第13-14页 |
| ·国内外研究现状 | 第14-16页 |
| ·本课题主要任务 | 第16页 |
| ·小结 | 第16-17页 |
| 第二章 量子小波神经网络 | 第17-35页 |
| ·背景知识 | 第17-19页 |
| ·神经网络技术概述 | 第17-18页 |
| ·量子神经网络 | 第18页 |
| ·小波分析理论 | 第18-19页 |
| ·量子小波神经网络模型及学习算法 | 第19-26页 |
| ·量子小波神经网络模型 | 第19-21页 |
| ·量子小波神经网络学习算法 | 第21-25页 |
| ·量子小波神经网络结构参数讨论 | 第25-26页 |
| ·传统神经网络和量子小波神经网络用于模式识别的性能比较 | 第26-34页 |
| ·理论分析 | 第26-30页 |
| ·实例分析 | 第30-34页 |
| ·小结 | 第34-35页 |
| 第三章 量子小波神经网络在漏钢预报系统中的应用 | 第35-47页 |
| ·技术方案的选择 | 第35-36页 |
| ·技术评价指标 | 第35页 |
| ·技术方案的确定 | 第35-36页 |
| ·漏钢预报系统的网络模型和原理 | 第36-39页 |
| ·网络模型的建立 | 第36-37页 |
| ·粘结性漏钢预报原理 | 第37-39页 |
| ·数据处理技术 | 第39-43页 |
| ·数据前处理 | 第39页 |
| ·数据预处理 | 第39-41页 |
| ·实例分析 | 第41-43页 |
| ·基于量子小波神经网络的漏钢预报仿真系统的设计 | 第43-46页 |
| ·网络信息容量与训练样本数 | 第43页 |
| ·训练样本集的准备 | 第43页 |
| ·输入数据预处理 | 第43-44页 |
| ·网络结构设计 | 第44页 |
| ·网络训练与测试 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第四章 漏钢预报系统的软件系统开发 | 第47-52页 |
| ·开发过程概述 | 第47页 |
| ·软件界面设计 | 第47-51页 |
| ·漏钢预报系统功能框图 | 第47-48页 |
| ·漏钢预报系统流程图 | 第48页 |
| ·软件实现 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第58页 |