| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 主要符号 | 第7-15页 |
| 第一章 绪论 | 第15-20页 |
| ·课题研究的目的及意义 | 第15-16页 |
| ·国内外研究现状 | 第16-18页 |
| ·研究课题的来源、研究方法及主要内容 | 第18-19页 |
| ·课题的创新之处 | 第19-20页 |
| 第二章 电热镦粗的工艺过程及其自动控制系统的硬件实现 | 第20-28页 |
| ·电热镦粗的工艺过程 | 第20-23页 |
| ·预备阶段 | 第20-21页 |
| ·电镦阶段 | 第21-23页 |
| ·结束阶段 | 第23页 |
| ·硬件电路实现 | 第23-28页 |
| ·电镦机控制系统的硬件结构 | 第23-26页 |
| ·速度、压力和加热电流的控制方法 | 第26-28页 |
| 第三章 预报理论 | 第28-55页 |
| ·加热电流的数据模型的建立 | 第28-33页 |
| ·预热长度α、墩粗缸运动速度V_1和砧子速度V_2 | 第28-29页 |
| ·镦粗温度T和镦粗压力 | 第29-31页 |
| ·加热电流 | 第31-32页 |
| ·预热电流I及预热时间 | 第32-33页 |
| ·结论 | 第33页 |
| ·人工神经网络理论 | 第33-38页 |
| ·人工神经网络简介及特点 | 第33-35页 |
| ·人工神经网络的处理单元、传递函数以及神经网络模型 | 第35-38页 |
| ·BP神经网络基本理论 | 第38-51页 |
| ·BP网络神经元模型 | 第38-39页 |
| ·BP神经网络的结构 | 第39-40页 |
| ·BP算法数学推导 | 第40-43页 |
| ·BP神经网络的实现步骤 | 第43页 |
| ·BP神经网络的流程图 | 第43页 |
| ·BP神经网络的工作方式 | 第43-44页 |
| ·BP神经网络算法的改进 | 第44-47页 |
| ·BP模型的性能测试 | 第47-48页 |
| ·BP神经网络推广能力的提高 | 第48-50页 |
| ·BP神经网络的设计 | 第50-51页 |
| ·数学模型和神经网络BP算法相结合的算法 | 第51-55页 |
| 第四章 预报理论的实现 | 第55-88页 |
| ·利用数学模型的方法实现加热电流的预报 | 第55-60页 |
| ·实验数据的选取 | 第55-57页 |
| ·加热电流的数学模型预报 | 第57-60页 |
| ·利用BP神经网络的方法实现加热电流的预报 | 第60-66页 |
| ·数据的预处理 | 第60-61页 |
| ·训练参数的设置 | 第61-62页 |
| ·建立预报加热电流的神经网络模型 | 第62-66页 |
| ·小结 | 第66页 |
| ·综合神经网络的方法实现加热电流的预报 | 第66-81页 |
| ·加法网络 | 第66-70页 |
| ·乘法网络 | 第70-74页 |
| ·数学模型与神经网络综合集成的网络 | 第74-81页 |
| ·五种预报方案比较 | 第81-84页 |
| ·加热电流预报模型的在线控制技术的探讨 | 第84-87页 |
| ·ACCESS知识库中的知识信息 | 第85-86页 |
| ·在线控制的实现方案 | 第86-87页 |
| ·结论 | 第87-88页 |
| 结论 | 第88-90页 |
| 参考文献 | 第90-94页 |
| 攻读学位期间发表的论文 | 第94-95页 |
| 致谢 | 第95-96页 |
| 附录 | 第96页 |
| 附录1: 表4-1镦粗过程中采集的样本数据 | 第96-98页 |
| 附录2: 表4-2利用数学模型预报加热电流 | 第98-100页 |
| 附录3: 表4-3利用BP网络预报加热电流 | 第100-102页 |
| 附录4: 表4-4利用加法网络预报加热电流 | 第102-104页 |
| 附录5: 表4-5利用乘法网络预报加热电流 | 第104-106页 |
| 附录6: 表4-6基于解析模型的神经网络预报加热电流 | 第106-108页 |
