| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 烧结工艺流程研究 | 第10-11页 |
| 1.2.2 烧结工艺系统的发展情况 | 第11-13页 |
| 1.3 建立烧结工艺系统的必要性 | 第13页 |
| 1.4 主要研究内容 | 第13-15页 |
| 第2章 烧结工艺原理与神经网络选择 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 烧结生产的基本工艺流程 | 第15-20页 |
| 2.2.1 烧结过程特点 | 第15-17页 |
| 2.2.2 烧结终点的计算及其影响因素 | 第17-19页 |
| 2.2.3 烧结生产工艺设计流程 | 第19-20页 |
| 2.3 神经网络的选择 | 第20-26页 |
| 2.3.1 神经元模型 | 第22-23页 |
| 2.3.2 BP神经网络 | 第23-24页 |
| 2.3.3 BP神经网络的缺点与改进 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于BP神经网络原理的烧结生产终点预测模型 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 BP神经网络应用于烧结终点预测的算法 | 第27-29页 |
| 3.2.1 烧结终点预测问题的描述 | 第27-28页 |
| 3.2.2 预测误差评价函数 | 第28-29页 |
| 3.2.3 预测模型流程图 | 第29页 |
| 3.3 BP神经网络应用于烧结终点预测的模型建立 | 第29-37页 |
| 3.3.1 网络的层数 | 第30-33页 |
| 3.3.2 每层神经元数量 | 第33-34页 |
| 3.3.3 确定激励函数 | 第34-36页 |
| 3.3.4 初始权值的选取 | 第36页 |
| 3.3.5 学习率的选择 | 第36-37页 |
| 3.3.6 基于PB神经网络的烧结终点预测模型 | 第37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 烧结终点预测模型仿真及分析 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 终点预测模型的仿真结构 | 第39-40页 |
| 4.3 样本库的建立 | 第40-46页 |
| 4.3.1 选择训练样本 | 第40-41页 |
| 4.3.2 样本的归一化处理 | 第41-43页 |
| 4.3.3 导入样本集 | 第43-44页 |
| 4.3.4 预测模型参数定义 | 第44-45页 |
| 4.3.5 训练网络及结果评价 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 烧结工艺设计系统的应用验证 | 第48-57页 |
| 5.1 引言 | 第48页 |
| 5.2 烧结工艺设计系统的设计 | 第48-53页 |
| 5.2.1 软件功能层次结构 | 第48-49页 |
| 5.2.2 各功能模块描述 | 第49-50页 |
| 5.2.3 软件业务处理流程 | 第50-53页 |
| 5.3 系统应用 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64页 |