基于神经网络在炼焦配煤过程中的应用与研究
| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 第1章 绪论 | 第14-22页 |
| ·概述 | 第14-15页 |
| ·炼焦工艺简介 | 第15-17页 |
| ·配煤过程 | 第16页 |
| ·焦炉加热过程 | 第16-17页 |
| ·推焦过程 | 第17页 |
| ·国内外研究现状 | 第17-20页 |
| ·配煤技术的发展 | 第17-19页 |
| ·焦炭质量预测的研究现状 | 第19-20页 |
| ·本论文的研究内容和意义 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 基于BP神经网络的焦炭质量预测模型 | 第22-36页 |
| ·焦炭质量指标的因素分析 | 第22-23页 |
| ·BP神经网络 | 第23-27页 |
| ·BP神经网络概述 | 第23-24页 |
| ·BP网络的结构 | 第24-25页 |
| ·BP神经网络算法 | 第25-27页 |
| ·焦炭质量模型分析 | 第27-30页 |
| ·配合煤的质量预测 | 第28-29页 |
| ·焦炭的质量预测 | 第29-30页 |
| ·系统的仿真与分析 | 第30-35页 |
| ·预测模型的建立 | 第30-31页 |
| ·系统的仿真分析 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于GA优化RBF神经网络的焦炭质量模型 | 第36-51页 |
| ·引言 | 第36页 |
| ·遗传算法的基本原理及方法 | 第36-42页 |
| ·遗传算法概述 | 第36-38页 |
| ·遗传算法的实现方法 | 第38-41页 |
| ·遗传算法的应用 | 第41-42页 |
| ·RBF神经网络的基本原理 | 第42-45页 |
| ·RBF网络结构 | 第42-43页 |
| ·RBF网络基函数中心数目的确定 | 第43-44页 |
| ·径向基RBF神经网络的优点及问题 | 第44-45页 |
| ·基于遗传算法优化RBF网络的算法设计 | 第45-46页 |
| ·系统仿真及分析 | 第46-50页 |
| ·预测模型的训练 | 第46-48页 |
| ·预测模型的仿真分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于模糊RBF神经网络的焦炭质量预测模型 | 第51-66页 |
| ·引言 | 第51-52页 |
| ·模糊控制理论概述 | 第52-57页 |
| ·模糊控制的原理 | 第52-53页 |
| ·模糊控制器的组成 | 第53-57页 |
| ·模糊控制的特点 | 第57页 |
| ·基于模糊RBF神经网络的预测模型建立 | 第57-62页 |
| ·模糊RBF神经网络 | 第57-59页 |
| ·模糊RBF神经网络结构 | 第59-60页 |
| ·模糊RBF神经网络的学习算法 | 第60-61页 |
| ·基于模糊RBF网络的焦炭质量预测 | 第61-62页 |
| ·系统仿真与分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 基于遗传算法的配煤比的优化控制 | 第66-73页 |
| ·引言 | 第66页 |
| ·基于遗传算法的配煤比优化模型 | 第66-68页 |
| ·目标函数 | 第66-67页 |
| ·约束条件 | 第67-68页 |
| ·基于遗传算法优化配煤比的实现 | 第68-71页 |
| ·系统的仿真与分析 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第80-81页 |
| 致谢 | 第81-82页 |
