基于多模型集成的高炉专家系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·概述 | 第8页 |
| ·高炉生产过程及特点 | 第8-9页 |
| ·高炉生产过程 | 第8-9页 |
| ·高炉生产过程特点 | 第9页 |
| ·高炉过程控制技术的发展 | 第9-11页 |
| ·国内外高炉专家系统的开发应用现状 | 第11-13页 |
| ·国外的高炉专家系统开发应用 | 第11-12页 |
| ·国内高炉专家系统的开发与应用 | 第12-13页 |
| ·国内外高炉专家系统的特点及发展趋势 | 第13-16页 |
| ·国内外高炉专家系统的特点 | 第13页 |
| ·高炉专家系统发展趋势 | 第13-16页 |
| 第二章 高炉专家系统理论分析 | 第16-23页 |
| ·人工智能的出现 | 第16页 |
| ·高炉专家系统的结构及特点 | 第16-18页 |
| ·专家系统知识的获取与表达 | 第18-19页 |
| ·专家知识的获取 | 第18页 |
| ·专家系统知识的表达 | 第18-19页 |
| ·专家系统的推理机 | 第19-20页 |
| ·模糊神经网络与专家系统的结合 | 第20-23页 |
| ·模糊神经网络 | 第20-21页 |
| ·模糊神经网络和专家系统的融合 | 第21-23页 |
| 第三章 基于多模型集成的高炉专家系统 | 第23-31页 |
| ·“高炉专家系统”的多模型智能化集成 | 第23-24页 |
| ·高炉冶炼混合动力学机理模型 | 第24-26页 |
| ·工艺机理模型 | 第26-28页 |
| ·炉况诊断的逻辑推理模型 | 第28页 |
| ·系统优化模型 | 第28-29页 |
| ·炉温预测控制方程及控制策略 | 第29-31页 |
| 第四章 模糊神经网络的理论研究 | 第31-50页 |
| ·人工神经网络 | 第31-35页 |
| ·人工神经网络的神经元模型 | 第31页 |
| ·神经网络的拓扑结构 | 第31-32页 |
| ·神经网络的学习规则 | 第32-34页 |
| ·神经网络的反向传播学习算法 | 第34-35页 |
| ·模糊系统概述 | 第35-39页 |
| ·模糊集合与隶属函数 | 第36-37页 |
| ·语言变量与模糊逻辑 | 第37-38页 |
| ·模糊推理与模糊规则 | 第38-39页 |
| ·模糊神经网络模型 | 第39-45页 |
| ·模糊神经网络的常用结构 | 第39-41页 |
| ·模糊神经网络结构确定 | 第41-42页 |
| ·模糊神经网学习算法 | 第42-45页 |
| ·对比仿真分析 | 第45-50页 |
| ·网络仿真 | 第45-49页 |
| ·仿真结果分析 | 第49-50页 |
| 第五章 基于模糊神经网络的炉况推理子系统 | 第50-58页 |
| ·推理网络的建立 | 第50-55页 |
| ·参数选取 | 第50-53页 |
| ·网络设计 | 第53页 |
| ·网络训练 | 第53-55页 |
| ·网络裁剪 | 第55页 |
| ·系统构成 | 第55-56页 |
| ·系统软件结构设计 | 第56-58页 |
| 第六章 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间参与的科研项目及发表的论文 | 第62-63页 |
| 致谢 | 第63-64页 |
| 详细摘要 | 第64-66页 |
