蓄热式加热炉钢温建模方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10页 |
| ·蓄热式加热炉简介 | 第10-15页 |
| ·加热炉的分类 | 第10-13页 |
| ·蓄热式燃烧技术 | 第13-14页 |
| ·蓄热式燃烧技术的优势 | 第14-15页 |
| ·系统建模方法 | 第15-16页 |
| ·加热炉建模发展概况 | 第16-17页 |
| ·本文主要工作 | 第17-18页 |
| 第2章 加热炉建模算法基础 | 第18-30页 |
| ·人工神经网络 | 第18-20页 |
| ·人工神经网络概述 | 第18-19页 |
| ·人工神经网络学习规则 | 第19-20页 |
| ·BP神经网络 | 第20-24页 |
| ·BP神经网络的构成 | 第20-22页 |
| ·BP神经网络的学习算法 | 第22-24页 |
| ·遗传算法 | 第24-27页 |
| ·遗传算法的特点 | 第24页 |
| ·遗传算法的基本流程 | 第24-26页 |
| ·遗传算法的实现 | 第26-27页 |
| ·模拟退火算法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 加热炉钢温预测机理模型 | 第30-44页 |
| ·温度场的数值计算方法 | 第30-32页 |
| ·导热基本定律 | 第30-31页 |
| ·模型假设 | 第31-32页 |
| ·加热炉机理模型的建立 | 第32-37页 |
| ·钢坯内部传热模型 | 第32-33页 |
| ·钢坯边界传热模型 | 第33-36页 |
| ·加热炉机理模型 | 第36-37页 |
| ·机理模型参数的确定及仿真 | 第37-43页 |
| ·自适应遗传算法 | 第37-39页 |
| ·自适应遗传算法参数确定 | 第39-40页 |
| ·机理模型仿真结果 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于改进BP神经网络钢温预测模型 | 第44-60页 |
| ·改进BP神经网络学习算法 | 第44-48页 |
| ·标准BP算法的缺点 | 第44页 |
| ·改进BP算法 | 第44-48页 |
| ·MIV算法筛选输入变量 | 第48-53页 |
| ·MIV算法原理 | 第49-52页 |
| ·筛选输入变量 | 第52-53页 |
| ·MIV算法优势 | 第53页 |
| ·构建BP神经网络 | 第53-55页 |
| ·模型训练及仿真 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 蓄热式加热炉模型优化 | 第60-72页 |
| ·自适应遗传算法优化模型 | 第60-66页 |
| ·自适应遗传算法优化原理 | 第60-63页 |
| ·仿真结果分析 | 第63-66页 |
| ·自适应遗传模拟退火算法优化模型 | 第66-71页 |
| ·自适应遗传模拟退火算法原理 | 第66-70页 |
| ·仿真结果分析 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
