| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题研究及意义 | 第13-14页 |
| 1.1.1 课题背景 | 第13-14页 |
| 1.1.2 课题研究意义 | 第14页 |
| 1.2 国内外研究动态 | 第14-17页 |
| 1.2.1 能源需求预测研究动态 | 第14-16页 |
| 1.2.2 能耗异常检测研究动态 | 第16-17页 |
| 1.3 本文的研究思路、内容和框架 | 第17-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 铜管生产过程及能耗特性分析 | 第20-27页 |
| 2.1 铜管生产过程分析 | 第20-23页 |
| 2.1.1 工艺流程分析 | 第20-21页 |
| 2.1.2 能源消耗分析 | 第21-23页 |
| 2.2 铜管生产工序的能耗影响因素分析 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于GA-BP网络的铜管生产过程能源需求预测模型研究 | 第27-46页 |
| 3.1 概述 | 第27页 |
| 3.2 遗传算法优化BP神经网络的实现 | 第27-33页 |
| 3.2.1 BP神经网络结构 | 第27-28页 |
| 3.2.2 BP神经网络的学习算法 | 第28-30页 |
| 3.2.3 遗传算法优化BP神经网络的实现 | 第30-33页 |
| 3.3 基于GA-BP网络的能源需求预测模型框图 | 第33-35页 |
| 3.4 模型的输入输出 | 第35-37页 |
| 3.5 仿真实验与性能对比 | 第37-45页 |
| 3.5.1 BP神经网络结构的确定 | 第37-39页 |
| 3.5.2 GA-BP能源需求预测模型的训练 | 第39-40页 |
| 3.5.3 仿真结果 | 第40-42页 |
| 3.5.4 性能对比 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于GA-BP网络的铜管生产过程能耗异常检测模型研究 | 第46-61页 |
| 4.1 概述 | 第46页 |
| 4.2 基于GA-BP网络的能耗异常检测模型框图 | 第46-47页 |
| 4.3 熔铸工序能耗影响因素关联度分析 | 第47-51页 |
| 4.4 能耗数据的主成分分析预处理 | 第51-54页 |
| 4.5 能耗异常检测模型的区间估计 | 第54-56页 |
| 4.6 仿真结果与性能对比 | 第56-60页 |
| 4.6.1 仿真结果 | 第56-58页 |
| 4.6.2 性能对比 | 第58-60页 |
| 4.7 本章小结 | 第60-61页 |
| 第五章 铜管生产能耗预测与异常检测模块实现 | 第61-71页 |
| 5.1 概述 | 第61页 |
| 5.2 能源管理系统结构与功能模块 | 第61-64页 |
| 5.2.1 系统结构 | 第61-63页 |
| 5.2.2 功能模块 | 第63-64页 |
| 5.3 铜管生产能耗预测与异常检测模块实现 | 第64-68页 |
| 5.3.1 模型库构建 | 第64-65页 |
| 5.3.2 Matlab自动化服务器函数库的导入 | 第65页 |
| 5.3.3 能源需求预测子模块 | 第65-66页 |
| 5.3.4 能耗异常检测子模块 | 第66-68页 |
| 5.4 系统典型运行界面图 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 结论与展望 | 第71-73页 |
| 工作总结 | 第71页 |
| 工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的论文 | 第77-79页 |
| 致谢 | 第79页 |