| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究意义 | 第12页 |
| 1.2 质量预报与分析系统的研究现状和发展动态 | 第12-13页 |
| 1.3 建模及优化算法的发展和研究现状 | 第13-18页 |
| 1.3.1 人工神经网络的发展和研究现状 | 第14-15页 |
| 1.3.2 遗传算法的发展和研究现状 | 第15-16页 |
| 1.3.3 多元分析方法的发展和研究现状 | 第16-18页 |
| 1.4 本文的主要工作 | 第18-20页 |
| 第2章 基于改进BP神经网络算法的方坯质量预报模型的建立 | 第20-44页 |
| 2.1 方坯典型内部质量缺陷及其成因 | 第20-26页 |
| 2.1.1 方坯典型内部质量缺陷 | 第20-23页 |
| 2.1.2 中心偏析的成因 | 第23-24页 |
| 2.1.3 内部裂纹的成因 | 第24-26页 |
| 2.2 用于方坯质量预报的改进BP神经网络算法的研究 | 第26-36页 |
| 2.2.1 网络结构的确定 | 第26-29页 |
| 2.2.2 传递函数的确定 | 第29-31页 |
| 2.2.3 训练算法的确定 | 第31-36页 |
| 2.3 基于遗传算法的BP神经网络初始权值及阈值的优化 | 第36-41页 |
| 2.3.1 遗传算法 | 第37-39页 |
| 2.3.2 初始权值及阈值的确定 | 第39-41页 |
| 2.4 方坯典型内部质量缺陷预报模型的建立 | 第41-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 基于动态核主元分析法的方坯质量诊断分析模型的建立 | 第44-58页 |
| 3.1 核主元分析法 | 第44-49页 |
| 3.1.1 核主元分析法 | 第44-45页 |
| 3.1.2 SPE统计量和T2统计量 | 第45-46页 |
| 3.1.3 各过程参数数据对统计量贡献度的确定 | 第46-49页 |
| 3.2 动态核主元分析法 | 第49-51页 |
| 3.2.1 时间分析序列 | 第49-50页 |
| 3.2.2 动态核主元分析法 | 第50-51页 |
| 3.3 基于DKPCA的方坯典型内部质量缺陷分析模型的建立 | 第51-53页 |
| 3.3.1 时滞长度的确定 | 第51-52页 |
| 3.3.2 方坯典型内部质量缺陷分析模型的建立 | 第52-53页 |
| 3.4 DKPCA与KPCA的方坯质量分析过程比较 | 第53-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第4章 质量诊断分析模型的数据预处理与模型算法的优化 | 第58-70页 |
| 4.1 对连铸过程数据的数据预处理 | 第58-64页 |
| 4.1.1 数据异常点处理 | 第58-60页 |
| 4.1.2 小波滤波 | 第60-62页 |
| 4.1.3 归一化处理 | 第62-63页 |
| 4.1.4 建模数据选择 | 第63-64页 |
| 4.2 基于矩阵相似性量度和遗传算法对核参数的优化 | 第64-66页 |
| 4.2.1 Gram矩阵和矩阵相似性度量 | 第64-66页 |
| 4.2.2 基于遗传算法的径向基核参数优化步骤 | 第66页 |
| 4.3 基于特征矢量选择法模型效率的优化 | 第66-68页 |
| 4.4 本章小结 | 第68-70页 |
| 第5章 连铸方坯典型内部质量缺陷监控系统软件实现及验证 | 第70-84页 |
| 5.1 监控系统软件简介 | 第70页 |
| 5.2 连铸方坯典型内部质量缺陷监控系统的设计 | 第70-75页 |
| 5.3 连铸方坯典型内部质量缺陷监控系统的准确度验证 | 第75-81页 |
| 5.3.1 中心偏析预报分析的准确度验证 | 第76-79页 |
| 5.3.2 内部裂纹预报分析的准确度验证 | 第79-81页 |
| 5.4 本章小结 | 第81-84页 |
| 第6章 结论与展望 | 第84-86页 |
| 6.1 研究工作总结 | 第84-85页 |
| 6.2 研究展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92页 |
