| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究的背景 | 第8页 |
| 1.2 高炉鼓风机介绍 | 第8-9页 |
| 1.3 高炉鼓风机工艺流程介绍 | 第9-10页 |
| 1.4 机械状态预测技术的发展和现状 | 第10-11页 |
| 1.5 课题的研究意义 | 第11页 |
| 1.6 课题的主要研究内容 | 第11-12页 |
| 第2章 小波变换理论 | 第12-20页 |
| 2.1 从傅立叶变换到小波变换 | 第12-13页 |
| 2.2 小波变换 | 第13-18页 |
| 2.2.1 连续小波变换 | 第13-15页 |
| 2.2.2 离散小波变换 | 第15-16页 |
| 2.2.3 多分辨分析 | 第16-17页 |
| 2.2.4 Mallat算法 | 第17-18页 |
| 2.3 本章小结 | 第18-20页 |
| 第3章 人工神经网络 | 第20-32页 |
| 3.1 人工神经元 | 第20-23页 |
| 3.1.1 人工神经元模型 | 第20-21页 |
| 3.1.2 人工神经元的激活函数 | 第21-23页 |
| 3.2 人工神经网络模型 | 第23-26页 |
| 3.2.1 人工神经网络的结构 | 第23-25页 |
| 3.2.2 人工神经网络的训练 | 第25-26页 |
| 3.3 BP神经网络 | 第26-31页 |
| 3.3.1 BP神经网络模型及算法的描述 | 第26-27页 |
| 3.3.2 BP神经网络权值的调整规则 | 第27-28页 |
| 3.3.3 BP神经网络算法的不足和改进 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 高炉鼓风机运行数据的预处理 | 第32-38页 |
| 4.1 小波阈值滤波方法 | 第32-33页 |
| 4.2 小波阈值函数 | 第33-34页 |
| 4.3 阈值的估计 | 第34-35页 |
| 4.4 基于小波变换的高炉鼓风机运行数据的预处理 | 第35-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 高炉鼓风机运行状况的预测 | 第38-44页 |
| 5.1 影响高炉鼓风机前轴瓦温度的参数分析 | 第38-39页 |
| 5.2 BP神经网络预测模型的建立 | 第39页 |
| 5.3 基于BP神经网络的高炉鼓风机前轴瓦温度的预测 | 第39-42页 |
| 5.3.1 BP神经网络结构的确定 | 第39-40页 |
| 5.3.2 数据的归一化处理 | 第40-41页 |
| 5.3.3 预测的实现和分析 | 第41-42页 |
| 5.4 本章小结 | 第42-44页 |
| 第6章 预测系统的软件实现 | 第44-50页 |
| 6.1 软件开发环境 | 第44-46页 |
| 6.2 软件设计思想 | 第46页 |
| 6.3 软件的使用介绍 | 第46-49页 |
| 6.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 附录 部分高炉鼓风机运行数据 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 个人简历 | 第58页 |