基于神经网络和专家系统的连铸漏钢预报系统
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·问题的提出和背景 | 第7-9页 |
| ·课题来源 | 第8页 |
| ·漏钢预报的基本原理 | 第8-9页 |
| ·国内外研究现状和发展趋势 | 第9-11页 |
| ·课题研究的主要内容 | 第11-13页 |
| 2 漏钢形成原因分析研究 | 第13-24页 |
| ·结晶器中的温度模式 | 第13-15页 |
| ·正常模式 | 第13页 |
| ·表面缺陷模式 | 第13-14页 |
| ·粘结漏钢模式 | 第14-15页 |
| ·角部漏钢模式 | 第15页 |
| ·粘结性漏钢的形成原因以及预防措施 | 第15-21页 |
| ·粘结性漏钢的形成原因 | 第15-19页 |
| ·粘结性漏钢的预防措施 | 第19-21页 |
| ·结晶器铜板热电偶分步以及漏钢预报原理 | 第21-22页 |
| ·小结 | 第22-24页 |
| 3 系统整体结构以及神经网络的确定 | 第24-41页 |
| ·系统整体结构的确定 | 第24-27页 |
| ·人工神经网络工作原理 | 第27-29页 |
| ·BP 神经网络的基本模型 | 第29-33页 |
| ·BP 神经网络简介 | 第29-30页 |
| ·BP 神经网络的网络结构及其改进算法 | 第30-31页 |
| ·隐含层节点数的对比测试以及最终确定 | 第31-32页 |
| ·神经网络的学习算法以及训练数据的确定 | 第32-33页 |
| ·RBF 神经网络的基本模型 | 第33-38页 |
| ·RBF 神经网络结构 | 第33-34页 |
| ·RBF 神经网络的特点及优点 | 第34-35页 |
| ·RBF 网络存在的问题及研究现状 | 第35-38页 |
| ·隐含层节点数的对比测试以及最终确定 | 第38页 |
| ·两种神经网络在实际测试中表现情况的对比 | 第38-41页 |
| ·BP 神经网络的对比试算 | 第38-39页 |
| ·RBF 神经网络的试算 | 第39-40页 |
| ·最终选择 | 第40-41页 |
| 4 专家系统及其与神经网络的综合利用 | 第41-51页 |
| ·专家系统概述 | 第41-48页 |
| ·专家系统简介 | 第41-42页 |
| ·推理机 | 第42-43页 |
| ·知识库以及本项目中所采用的知识源 | 第43-47页 |
| ·专家系统的一般开发过程 | 第47-48页 |
| ·神经网络和专家系统相结合的框架 | 第48-51页 |
| 5 系统的设计、开发以及测试 | 第51-58页 |
| ·系统框架设计 | 第51-52页 |
| ·系统总体介绍 | 第51页 |
| ·系统类的层次结构 | 第51-52页 |
| ·系统关键技术以及实现 | 第52-53页 |
| ·神经网络训练与测试 | 第52-53页 |
| ·VC 编程 | 第53页 |
| ·系统界面设计 | 第53-56页 |
| ·系统测试以及结果 | 第56-58页 |
| 6 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录 | 第63-73页 |
| A. 作者在攻读学位期间发表的论文目录 | 第63页 |
| B. 论文中一些附图的补充 | 第63-73页 |
