| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及目的意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 储油罐温度场现场测试研究进展 | 第9-10页 |
| 1.2.2 温度传感器补偿方法研究进展 | 第10-12页 |
| 1.2.3 人工神经网络补偿方法研究进展 | 第12页 |
| 1.3 本论文研究内容 | 第12-14页 |
| 第二章 储油罐温度场规律分析及内部空间区域划分 | 第14-32页 |
| 2.1 储油罐温度场规律分析 | 第14-26页 |
| 2.1.1 储油罐温度场监测系统分析 | 第14-17页 |
| 2.1.2 储油罐温度场规律分析 | 第17-26页 |
| 2.2 储油罐内部空间区域划分 | 第26-31页 |
| 2.2.1 储油罐内部空间区域划分模型 | 第26-27页 |
| 2.2.2 罐顶区域边界特征阀值提取 | 第27-28页 |
| 2.2.3 罐底区域边界特征阀值提取 | 第28-29页 |
| 2.2.4 计算实例与结果分析 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 人工神经网络原理及储油罐用温度传感器非线性补偿模型设计 | 第32-49页 |
| 3.1 人工神经网络原理 | 第32-37页 |
| 3.1.1 人工神经网络概述 | 第32-33页 |
| 3.1.2 人工神经网络模型 | 第33-37页 |
| 3.2 BP神经网络 | 第37-42页 |
| 3.2.1 BP神经网络概述 | 第37-38页 |
| 3.2.2 BP神经网络算法 | 第38-42页 |
| 3.3 储油罐用温度传感器非线性补偿模型设计 | 第42-48页 |
| 3.3.1 补偿原理 | 第42-43页 |
| 3.3.2 补偿模型结构设计 | 第43-45页 |
| 3.3.3 补偿模型函数设计 | 第45页 |
| 3.3.4 初始参数设定 | 第45-46页 |
| 3.3.5 样本数据选择 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 实验结果与对比分析 | 第49-61页 |
| 4.1 实验结果 | 第49-57页 |
| 4.1.1 罐顶区域BP神经网络训练结果 | 第49-51页 |
| 4.1.2 中心区域BP神经网络训练结果 | 第51-54页 |
| 4.1.3 罐底区域BP神经网络训练结果 | 第54-57页 |
| 4.2 对比分析 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 发表文章目录 | 第65-66页 |
| 致谢 | 第66-67页 |