基于数据融合技术的烟化炉冶炼终点判断研究
| 第一章 绪论 | 第1-18页 |
| 1．1 课题的研究背景和意义 | 第7-11页 |
| 1．1．1 烟化炉工艺简介 | 第7-9页 |
| 1．1．2 工厂现状及数据融合方法的提出 | 第9-10页 |
| 1．1．3 冶金行业终点判断研究现状 | 第10-11页 |
| 1．2 数据融合技术的发展及研究现状 | 第11-16页 |
| 1．2．1 国内外研究现状 | 第12-14页 |
| 1．2．2 存在的主要问题及其发展方向 | 第14-16页 |
| 1．3 本文的主要研究工作与组织结构 | 第16-18页 |
| 1．3．1 主要研究工作 | 第16-17页 |
| 1．3．2 论文组织结构 | 第17-18页 |
| 第二章 数据融合技术 | 第18-34页 |
| 2．1 数据融合技术概述 | 第18-27页 |
| 2．1．1 数据融合的定义和基本原理 | 第18-19页 |
| 2．1．2 数据融合的层次(级别) | 第19-22页 |
| 2．1．3 数据融合算法 | 第22-27页 |
| 2．2 数据融合系统的结构 | 第27-30页 |
| 2．2．1 闭环功能模型 | 第27-28页 |
| 2．2．2 开环功能模型 | 第28-29页 |
| 2．2．3 软件功能模型 | 第29-30页 |
| 2．3 数据融合的关键问题 | 第30-32页 |
| 2．4 数据融合的应用 | 第32-34页 |
| 第三章 基于神经网络的数据融合方法 | 第34-44页 |
| 3．1 神经网络基本理论 | 第35-39页 |
| 3．1．1 神经网络的基本特征和通用性质 | 第35页 |
| 3．1．2 神经网络的形式化描述 | 第35-36页 |
| 3．1．3 神经网络模型 | 第36-37页 |
| 3．1．4 神经网络的互联结构形态 | 第37-38页 |
| 3．1．5 神经网络的信息处理能力 | 第38-39页 |
| 3．2 BP神经网络 | 第39-43页 |
| 3．2．1 BP算法的数学描述 | 第40-43页 |
| 3．2．2 BP神经网络的局限性 | 第43页 |
| 3．3 基于神经网络的数据融合系统 | 第43-44页 |
| 第四章 数据融合系统仿真研究 | 第44-60页 |
| 4．1 烟化炉冶炼状态数据分析 | 第44-49页 |
| 4．2 基于MATLAB的融合系统仿真 | 第49-59页 |
| 4．2．1 未加图像特征的融合系统仿真 | 第50-57页 |
| 4．2．2 加图像特征的融合系统仿真 | 第57-59页 |
| 4．3 数据融合仿真系统的设计 | 第59-60页 |
| 第五章 数据融合系统初步设计 | 第60-65页 |
| 5．1 数据获取 | 第60-63页 |
| 5．1．1 DDE | 第61-62页 |
| 5．1．2 使用数据库 | 第62-63页 |
| 5．2 数据库访问 | 第63页 |
| 5．3 离线训练与数据融合 | 第63-64页 |
| 5．4 终点判断 | 第64-65页 |
| 第六章 结束语 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录A 攻读硕士学位期间发表论文 | 第72页 |
