| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.3 本文主要研究工作及论文安排 | 第14-16页 |
| 2 相关理论与技术基础 | 第16-24页 |
| 2.1 软计算技术 | 第16-17页 |
| 2.2 人工神经网络 | 第17-19页 |
| 2.2.1 人工神经元 | 第17-18页 |
| 2.2.2 传递函数 | 第18-19页 |
| 2.3 模糊神经网络 | 第19-21页 |
| 2.3.1 模糊神经元模型和模糊推理模型 | 第19-20页 |
| 2.3.2 模糊神经网络的分类 | 第20-21页 |
| 2.4 模糊聚类分析 | 第21-22页 |
| 2.5 组合预测与MATLAB | 第22-23页 |
| 2.5.1 组合预测 | 第22页 |
| 2.5.2 MATLAB软件 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 TiAl合金显微硬度预测模型与数据处理 | 第24-29页 |
| 3.1 TiAl合金显微硬度预测模型 | 第24-25页 |
| 3.2 数据来源及介绍 | 第25-27页 |
| 3.2.1 数据来源 | 第25页 |
| 3.2.2 数据介绍 | 第25-27页 |
| 3.3 数据的归一化处理 | 第27页 |
| 3.4 模型评价标准 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 基于BP神经网络的显微硬度预测模型 | 第29-35页 |
| 4.1 BP神经网络技术 | 第29-30页 |
| 4.2 BP神经网络学习算法 | 第30-31页 |
| 4.3 基于BP神经网络的显微硬度预测 | 第31-34页 |
| 4.3.1 BP神经网络网络结构的确定 | 第31-32页 |
| 4.3.2 基于BP神经网络的显微硬度预测模型的建立 | 第32-34页 |
| 4.4 本章小结 | 第34-35页 |
| 5 显微硬度预测模型的优化 | 第35-48页 |
| 5.1 基于T-S模糊神经网络的显微硬度预测模型 | 第35-40页 |
| 5.1.1 T-S模糊模型 | 第36-37页 |
| 5.1.2 T-S模糊神经网络 | 第37-39页 |
| 5.1.3 基于T-S模糊神经网络预测模型的仿真实验 | 第39-40页 |
| 5.1.4 预测模型结果分析 | 第40页 |
| 5.2 基于GA-BP神经网络的显微硬度预测模型 | 第40-47页 |
| 5.2.1 遗传算法原理及步骤 | 第41-44页 |
| 5.2.2 GA-BP预测原理 | 第44页 |
| 5.2.3 基于GA-BP神经网络预测模型的仿真实验 | 第44-46页 |
| 5.2.4 预测模型结果分析 | 第46-47页 |
| 5.3 本章小结 | 第47-48页 |
| 6 基于模糊聚类BP神经网络的显微硬度预测模型 | 第48-55页 |
| 6.1 模糊集理论概述 | 第48-49页 |
| 6.2 模糊聚类分析 | 第49-50页 |
| 6.3 基于模糊聚类BP神经网络的显微硬度预测模型 | 第50-53页 |
| 6.3.1 基于模糊聚类BP神经网络预测模型的仿真实验 | 第51-52页 |
| 6.3.2 预测模型结果分析 | 第52-53页 |
| 6.4 多种预测模型结果比较分析 | 第53-54页 |
| 6.5 本章小结 | 第54-55页 |
| 7 总结与展望 | 第55-57页 |
| 7.1 全文工作总结 | 第55-56页 |
| 7.2 未来工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间发表的学术成果目录 | 第62-64页 |
