基于GA-BP算法分子蒸馏参数检测及预测优化的研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 主要符号表 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题的来源、意义和目标 | 第9-10页 |
| ·课题的来源 | 第9页 |
| ·课题的意义 | 第9-10页 |
| ·课题的目标 | 第10页 |
| ·分子蒸馏技术的现状及节能 | 第10-12页 |
| ·分子蒸馏技术的现状 | 第10-11页 |
| ·分子蒸馏技术的节能 | 第11-12页 |
| ·本文的主要研究内容及结构 | 第12-14页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文结构组成 | 第13-14页 |
| 第二章 分子蒸馏过程模型应用研究 | 第14-21页 |
| ·分子蒸馏过程模型 | 第14-17页 |
| ·分子蒸馏的基本概念 | 第14-16页 |
| ·分子蒸馏技术的分离过程及特点 | 第16-17页 |
| ·分子蒸馏设备及应用研究 | 第17-20页 |
| ·设备研究 | 第17-19页 |
| ·应用概述 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 刮膜式分子蒸馏参数测试实验研究 | 第21-28页 |
| ·实验设备及实验流程 | 第21-23页 |
| ·实验原料 | 第21页 |
| ·实验设备 | 第21-22页 |
| ·实验方案 | 第22-23页 |
| ·实验操作要点 | 第23页 |
| ·成分分析方法的研究 | 第23-25页 |
| ·实验结果与讨论 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 基于GA-BP网络在分子蒸馏中的建模优化 | 第28-44页 |
| ·BP神经网络与遗传算法理论基础 | 第28-34页 |
| ·人工神经网络概况 | 第28-30页 |
| ·BP神经网络算法 | 第30-32页 |
| ·遗传算法操作及流程 | 第32-34页 |
| ·GA-BP神经网络模型设计 | 第34-36页 |
| ·纯度与得率预测模型的建立 | 第36-37页 |
| ·工艺参数优化模型的建立 | 第37-40页 |
| ·优化变量的确定 | 第37页 |
| ·多目标遗传算法的个体表示 | 第37页 |
| ·多目标遗传算法的种群生成 | 第37-38页 |
| ·多目标遗传算法目标函数的建立 | 第38-40页 |
| ·仿真分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于GA-BP网络的系统监测界面 | 第44-49页 |
| ·监测界面算法的实现 | 第44-45页 |
| ·Java开发环境的搭建 | 第44-45页 |
| ·算法实现 | 第45页 |
| ·界面设计 | 第45-47页 |
| ·界面的主要功能 | 第47-48页 |
| ·监测界面 | 第47页 |
| ·参数检测界面 | 第47-48页 |
| ·预测优化界面 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第六章 结论与展望 | 第49-51页 |
| ·结论 | 第49-50页 |
| ·展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 作者简介 | 第56页 |
| 攻读硕士学位期间研究成果 | 第56-57页 |
