板坯连铸过程漏钢预报神经网络算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·引言 | 第10-11页 |
| ·漏钢预报的研究现状和发展趋势 | 第11-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| 第2章 粘结漏钢形成的原因分析研究 | 第15-21页 |
| ·漏钢的种类 | 第15-16页 |
| ·粘结漏钢的冶金原理分析 | 第16-19页 |
| ·粘结漏钢的形成过程及机理 | 第16-18页 |
| ·弯月面的作用 | 第18-19页 |
| ·诱发粘结漏钢的因素 | 第19-20页 |
| ·保护渣的性能分析 | 第19页 |
| ·结晶器的性能分析 | 第19页 |
| ·工艺操作的分析 | 第19-20页 |
| ·控制粘结漏钢的措施 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 结晶器漏钢预报系统模型的建立 | 第21-33页 |
| ·漏钢预报系统的组成 | 第21-22页 |
| ·现有漏钢预报系统的缺陷及改进 | 第22-23页 |
| ·误报和漏报 | 第22页 |
| ·误报产生的原因 | 第22页 |
| ·漏报产生的原因 | 第22-23页 |
| ·提高漏钢预报准确性的措施 | 第23页 |
| ·粘结漏钢预报模型的研究 | 第23-27页 |
| ·粘结漏钢预报模型原理 | 第23-24页 |
| ·粘结断裂口传播情况的研究 | 第24-27页 |
| ·神经网络漏钢预报模型的建立 | 第27-32页 |
| ·数据预处理 | 第27-29页 |
| ·时序网络模型结构 | 第29-30页 |
| ·空间网络模型结构 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 神经网络漏钢预报模型算法的研究 | 第33-65页 |
| ·神经网络简介 | 第33-34页 |
| ·BP 神经网络 | 第34-48页 |
| ·BP 神经网络的结构 | 第34-35页 |
| ·BP 算法的数学描述 | 第35-36页 |
| ·BP 算法的改进 | 第36-39页 |
| ·建立 BP 神经网络模型 | 第39-48页 |
| ·基于遗传算法的 BP 神经网络 | 第48-56页 |
| ·遗传算法 | 第48-49页 |
| ·遗传算法的原理 | 第49-52页 |
| ·基于遗传算法的 BP（GA-BP）神经网络 | 第52-53页 |
| ·建立 GA-BP 神经网络模型 | 第53-56页 |
| ·径向基函数神经网络 | 第56-62页 |
| ·RBF 神经网络结构 | 第57页 |
| ·RBF 算法的数学描述 | 第57-59页 |
| ·建立 RBF 神经网络模型 | 第59-62页 |
| ·三种网络对比 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 神经网络漏钢预报模型的程序实现 | 第65-75页 |
| ·VISUAL C++概述 | 第65-66页 |
| ·神经网络漏钢预报系统流程设计 | 第66-67页 |
| ·Visual C++6.0 仿真流程 | 第66-67页 |
| ·神经网络漏钢预报系统漏钢判别流程 | 第67页 |
| ·神经网络漏钢预报系统的界面设计 | 第67-72页 |
| ·神经网络漏钢预报系统模型的检验 | 第72-74页 |
| ·时序网络的训练及测试 | 第72-73页 |
| ·空间网络的训练及测试 | 第73-74页 |
| ·模型的离线测试 | 第74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 作者简介 | 第82页 |
