基于神经网络的铝电解温度控制的研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 本课题的研究背景和意义 | 第8-9页 |
| 1.1.1 铝电解工业概述 | 第8-9页 |
| 1.1.2 本课题的研究意义 | 第9页 |
| 1.2 铝电解槽计算机控制技术的发展 | 第9-10页 |
| 1.3 铝电解温度控制系统的研究 | 第10-12页 |
| 1.4 课题研究内容 | 第12-13页 |
| 第二章 铝电解温度控制系统的结构 | 第13-18页 |
| 2.1 径向基函数网络模块 | 第13-15页 |
| 2.1.1 神经网络的概述 | 第13-14页 |
| 2.1.2 径向基神经网络的可行性分析 | 第14-15页 |
| 2.1.3 径向基网络模块的功能 | 第15页 |
| 2.2 反馈校正模块 | 第15页 |
| 2.3 数据库模块 | 第15-17页 |
| 2.3.1 电解槽历史数据表 | 第15-16页 |
| 2.3.2 训练数据表 | 第16页 |
| 2.3.3 预测数据表 | 第16-17页 |
| 2.4 铝电解温度控制系统的工作流程 | 第17页 |
| 2.5 本章总结 | 第17-18页 |
| 第三章 神经网络模型的构建 | 第18-46页 |
| 3.1 输入、输出参数的选择 | 第18-21页 |
| 3.1.1 初始数据的处理 | 第18-19页 |
| 3.1.2 参数的选择 | 第19-21页 |
| 3.2 RBF网络模型的结构 | 第21-24页 |
| 3.2.1 输入层的选取 | 第22页 |
| 3.2.2 隐层的选取 | 第22-24页 |
| 3.2.3 输出层的选取 | 第24页 |
| 3.3 RBF神经网络学习算法的选择 | 第24-44页 |
| 3.3.1 梯度下降法 | 第24-26页 |
| 3.3.2 k-means聚类方法 | 第26页 |
| 3.3.3 正交最小二乘法(OLS) | 第26-27页 |
| 3.3.4 减聚类算法 | 第27-28页 |
| 3.3.5 各种算法的仿真结果及分析 | 第28-44页 |
| 3.4 本章总结 | 第44-46页 |
| 第四章 铝电解温度控制系统的软件设计 | 第46-62页 |
| 4.1 相关软件的简介 | 第46页 |
| 4.2 系统的总体设计 | 第46-48页 |
| 4.3 MATLAB与SQL SERVER的连接 | 第48-50页 |
| 4.4 系统各模块的详细设计及实现 | 第50-61页 |
| 4.4.1 登录模块 | 第50-51页 |
| 4.4.2 电解槽管理模块 | 第51-53页 |
| 4.4.3 网络训练模块 | 第53-59页 |
| 4.4.4 网络预测模块 | 第59-61页 |
| 4.5 系统测试 | 第61页 |
| 4.6 本章总结 | 第61-62页 |
| 第五章 结论与展望 | 第62-64页 |
| 5.1 主要结论 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 在学期间的研究成果 | 第67-68页 |
| 致谢 | 第68页 |
