神经网络和遗传算法在中厚板轧机中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·引言 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·人工神经网络在轧制领域的应用研究现状 | 第11-12页 |
| ·遗传算法在轧制领域的应用研究现状 | 第12页 |
| ·课题的研究意义 | 第12-13页 |
| ·课题研究的主要内容 | 第13-14页 |
| 2 中厚板轧机及轧制理论概述 | 第14-18页 |
| ·中厚板轧机概述 | 第14-15页 |
| ·4200中厚板轧机的结构及用途 | 第14页 |
| ·4200中厚板轧机的生产工艺 | 第14-15页 |
| ·轧制变形区的基本参数 | 第15-16页 |
| ·轧制时变形区的应力状态与变形抗力 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 3 人工神经网络和遗传算法 | 第18-35页 |
| ·人工神经网络概述 | 第18-19页 |
| ·神经网络的分类 | 第18页 |
| ·神经网络学习 | 第18-19页 |
| ·BP神经网络 | 第19-22页 |
| ·BP网络的学习规则 | 第19-20页 |
| ·BP算法的改进 | 第20-21页 |
| ·BP网络的设计 | 第21-22页 |
| ·GRNN神经网络 | 第22-24页 |
| ·GRNN神经网络的结构及算法 | 第22-23页 |
| ·GRNN网络的设计 | 第23-24页 |
| ·遗传算法 | 第24-31页 |
| ·遗传算法概述 | 第24-26页 |
| ·遗传算法的实现技术 | 第26-31页 |
| ·遗传算法和神经网络的融合 | 第31-33页 |
| ·遗传算法和神经网络融合的基础 | 第31-32页 |
| ·遗传神经网络的实现 | 第32-33页 |
| ·MATLAB神经网络和遗传算法工具箱 | 第33-34页 |
| ·神经网络工具箱 | 第33-34页 |
| ·遗传算法工具箱 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 基于GRNN网络的中厚板轧制温度的预测 | 第35-41页 |
| ·引言 | 第35页 |
| ·中厚板轧制温降模型的建立 | 第35-36页 |
| ·GRNN神经网络模型的建立 | 第36-38页 |
| ·样本数据与样本预处理 | 第36页 |
| ·输入和输出向量 | 第36-37页 |
| ·GRNN网络模型的确定 | 第37-38页 |
| ·网络训练及测试分析 | 第38-39页 |
| ·GRNN神经网络训练及测试 | 第38页 |
| ·GRNN与BP网络对比分析 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 5 遗传神经网络的变形抗力模型研究 | 第41-54页 |
| ·引言 | 第41页 |
| ·样本数据与样本预处理 | 第41-42页 |
| ·输入和输出向量 | 第42页 |
| ·遗传神经网络的设计 | 第42-47页 |
| ·BP网络的设计 | 第42-44页 |
| ·遗传算法的设计 | 第44-46页 |
| ·遗传神经网络的参数选择及MATLAB程序 | 第46-47页 |
| ·网络训练与测试分析 | 第47-53页 |
| ·遗传神经网络的训练 | 第47-50页 |
| ·遗传神经网络的测试与结果分析 | 第50页 |
| ·三种网络模型的对比分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 6 结论与展望 | 第54-56页 |
| ·结论 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 个人简历及攻读硕士学位期间取得研究成果 | 第60页 |
