基于GA-BP神经网络漏钢预报模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·引言 | 第10-11页 |
| ·国内外漏钢预报的研究现状 | 第11-18页 |
| ·漏钢预报的检测方法 | 第11-14页 |
| ·基于热电偶测温法的漏钢预报模型 | 第14-18页 |
| ·本文研究的背景及内容 | 第18-20页 |
| ·研究背景 | 第18页 |
| ·研究内容 | 第18-20页 |
| 第二章 黏结性漏钢的形成机理及预报原理 | 第20-30页 |
| ·漏钢的种类及成因 | 第20-21页 |
| ·黏结性漏钢的形成机理与预防措施 | 第21-23页 |
| ·黏结性漏钢的形成机理 | 第21-22页 |
| ·黏结性漏钢的影响因素及预防措施 | 第22-23页 |
| ·黏结性漏钢的预报原理 | 第23-27页 |
| ·黏结性漏钢的形成过程 | 第23-25页 |
| ·黏结性漏钢预报原理 | 第25-26页 |
| ·黏结性漏钢裂口传播速度的数学模型 | 第26-27页 |
| ·报警模式及温度曲线变化特征 | 第27-30页 |
| 第三章 遗传算法与BP神经网络相结合的算法 | 第30-48页 |
| ·人工神经网络 | 第30-32页 |
| ·人工神经元模型 | 第30-32页 |
| ·人工神经网络的特点 | 第32页 |
| ·BP神经网络 | 第32-38页 |
| ·BP神经网络结构 | 第32-33页 |
| ·BP学习算法的数学描述及实现步骤 | 第33-37页 |
| ·BP学习算法的缺点及其改进方法 | 第37-38页 |
| ·遗传算法 | 第38-44页 |
| ·遗传算法的基本原理及特点 | 第38-39页 |
| ·遗传算法的数学模型 | 第39-41页 |
| ·遗传算法的设计 | 第41-44页 |
| ·遗传算法与BP神经网络相结合的算法 | 第44-48页 |
| ·GA-BP算法的目的与效果 | 第44-46页 |
| ·GA-BP算法的实现步骤 | 第46-48页 |
| 第四章 GA-BP神经网络在漏钢预报系统中的应用 | 第48-64页 |
| ·GA-BP神经网络漏钢预报模型的建立 | 第48-53页 |
| ·总体流程 | 第48-49页 |
| ·BP神经网络的设计 | 第49-52页 |
| ·遗传算法的设计 | 第52-53页 |
| ·基于GA-BP神经网络漏钢预报模型的仿真设计 | 第53-64页 |
| ·预报模型的训练样本 | 第53-54页 |
| ·GA-BP网络结构设计 | 第54页 |
| ·预报模型的仿真训练 | 第54-60页 |
| ·预报模型的仿真测试 | 第60-63页 |
| ·仿真测试结果分析 | 第63-64页 |
| 第五章 漏钢预报系统的软件开发 | 第64-72页 |
| ·开发工具介绍 | 第64页 |
| ·漏钢预报系统结构及功能 | 第64-66页 |
| ·漏钢预报系统结构 | 第64-65页 |
| ·漏钢预报系统的功能 | 第65-66页 |
| ·漏钢预报系统的运行机理 | 第66-67页 |
| ·漏钢预报系统的界面设计 | 第67-72页 |
| 第六章 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间获得成果 | 第80-82页 |
| 论文包含图、表、公式及文献 | 第82页 |
