| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外热处理炉控制研究与技术发展现状 | 第11-14页 |
| 1.2.1 神经网络在非线性系统建模中的研究现状 | 第12-13页 |
| 1.2.2 热处理炉操作优化的研究现状 | 第13-14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 第二章 隧道发蓝热处理炉工艺简介 | 第15-21页 |
| 2.1 引言 | 第15页 |
| 2.2 隧道发蓝热处理炉的基本结构和工作原理 | 第15-18页 |
| 2.2.1 隧道发蓝热处理炉结构及工艺 | 第15-16页 |
| 2.2.2 退火蓝化机理 | 第16-18页 |
| 2.3 隧道发蓝热处理炉系统的特性分析与工作难点 | 第18-20页 |
| 2.3.1 特性分析 | 第18页 |
| 2.3.2 控制难点 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于动态模糊神经网络的对象建模 | 第21-37页 |
| 3.1 引言 | 第21页 |
| 3.2 动态模糊神经网络(D-FNN)模型结构 | 第21-23页 |
| 3.3 D-FNN网络的学习算法 | 第23-28页 |
| 3.3.1 概述 | 第23-24页 |
| 3.3.2 规则的提取方法 | 第24-25页 |
| 3.3.3 系统参数的优化配置 | 第25-26页 |
| 3.3.4 网络修剪技术 | 第26-28页 |
| 3.4 动态模糊神经网络模型的仿真实现 | 第28-36页 |
| 3.4.1 仿真过程 | 第28-29页 |
| 3.4.2 仿真结果及分析 | 第29-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于粒子群算法的操作条件优化 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 粒子群优化算法 | 第37-41页 |
| 4.2.1 概述 | 第37页 |
| 4.2.2 粒子群优化算法的特点 | 第37-38页 |
| 4.2.3 粒子群算法的设计步骤 | 第38-39页 |
| 4.2.4 粒子群优化算法的参数控制 | 第39-41页 |
| 4.3 PSO算法的操作条件优化仿真实现 | 第41-44页 |
| 4.3.1 仿真过程 | 第41页 |
| 4.3.2 仿真结果及分析 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 热处理炉操作优化系统的设计 | 第45-57页 |
| 5.1 引言 | 第45页 |
| 5.2 数据检测与控制 | 第45-49页 |
| 5.2.1 温度检测与控制 | 第45-46页 |
| 5.2.2 气体流量测量 | 第46-47页 |
| 5.2.3 保护气体浓度检测 | 第47-49页 |
| 5.3 热处理炉数据采集系统 | 第49-51页 |
| 5.3.1 ChiticVPR130无纸记录仪简介 | 第49-50页 |
| 5.3.2 数据采集系统 | 第50-51页 |
| 5.4 隧道发蓝加热炉温度等控制参数系统仿真结果分析 | 第51-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 全文总结 | 第57-58页 |
| 6.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |