基于PSO的小波神经网络热连轧板材质量模型研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-13页 |
| ·选题背景 | 第9页 |
| ·研究现状 | 第9-10页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10页 |
| ·研究的意义 | 第10-11页 |
| ·主要研究的内容 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 2 课题相关理论综述 | 第13-29页 |
| ·人工神经网络 | 第13-17页 |
| ·BP 神经网络模型 | 第13-16页 |
| ·改进后的 BP 算法 | 第16-17页 |
| ·小波神经网络 | 第17-23页 |
| ·小波分析 | 第18-19页 |
| ·小波神经网络 | 第19-20页 |
| ·小波神经网络中小波函数的选择 | 第20页 |
| ·小波神经网络的算法 | 第20-22页 |
| ·小波神经网络面临的问题 | 第22-23页 |
| ·粒子群算法 | 第23-27页 |
| ·粒子群算法分类 | 第24-25页 |
| ·PSO 算法的参数设置 | 第25页 |
| ·有关 PSO 算法的收敛性的研究 | 第25页 |
| ·PSO 算法的改进 | 第25-26页 |
| ·粒子群算法的应用 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 3 多辊热连轧板材质量数据的收集与处理 | 第29-37页 |
| ·多辊热连轧板材生产过程 | 第29-30页 |
| ·数据处理 | 第30-33页 |
| ·数据收集 | 第30-32页 |
| ·热连轧数据样本预处理 | 第32-33页 |
| ·输入输出变量的确定 | 第33-34页 |
| ·样本的筛选与归一化 | 第34-35页 |
| ·样本的筛选 | 第34-35页 |
| ·数据归一化处理 | 第35页 |
| ·热连轧板材的质量要求 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 粒子群优化小波神经网络的质量模型 | 第37-47页 |
| ·粒子群优化小波神经网络质量模型 | 第37-38页 |
| ·新的粒子群优化小波神经网络模型 | 第38-43页 |
| ·新的粒子群优化小波神经网络算法 | 第38-42页 |
| ·实例：新算法的参数确定 | 第42-43页 |
| ·仿真实验比较 | 第43-46页 |
| ·实验结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 多辊热连轧板材质量预测系统的设计与实现 | 第47-57页 |
| ·系统的总体结构 | 第47页 |
| ·软件开发的环境及开发工具 | 第47页 |
| ·系统中各个模块的实现 | 第47-55页 |
| ·网络参数配置模块 | 第47-50页 |
| ·算法参数配置模块 | 第50-51页 |
| ·训练和测试模块 | 第51-52页 |
| ·系统使用说明 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 6 总结 | 第57-59页 |
| ·已做工作 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士期间所做课题及发表的学术论文 | 第67页 |
