| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 前言 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外现状 | 第10页 |
| ·研究内容及本文结构 | 第10-12页 |
| 2 PQF综述 | 第12-17页 |
| ·PQF的发展历程 | 第12页 |
| ·两代PQF连轧管机的工艺特点 | 第12-15页 |
| ·第一代PQF-ACO连轧管机 | 第12-14页 |
| ·第二代PQF-LCO连轧管机 | 第14-15页 |
| ·PQF工艺流程 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 遗传神经网络 | 第17-30页 |
| ·人工神经网络 | 第17页 |
| ·BP神经网络 | 第17-23页 |
| ·BP神经网络概述 | 第17-18页 |
| ·BP神经网络的结构 | 第18-19页 |
| ·BP神经网络的学习过程 | 第19-21页 |
| ·BP神经网络的不足与改进 | 第21-23页 |
| ·遗传算法 | 第23-27页 |
| ·遗传算法概述 | 第23页 |
| ·遗传算法的特点 | 第23-24页 |
| ·遗传算法的基本原理 | 第24-26页 |
| ·遗传算法的应用现状 | 第26-27页 |
| ·BP神经网络与遗传算法的结合 | 第27-29页 |
| ·BP神经网络和遗传算法结合的可行性分析 | 第27页 |
| ·遗传神经网络模型的建立 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于遗传神经网络PQF轧制工艺的设计 | 第30-68页 |
| ·PQF轧制工艺的分析 | 第30-33页 |
| ·基于遗传神经网络PQF轧制工艺设计的机制 | 第33-34页 |
| ·数据的处理 | 第34-43页 |
| ·数据的选取 | 第34-38页 |
| ·数据的预处理 | 第38-43页 |
| ·BP神经网络的结构设计 | 第43-51页 |
| ·BP神经网络输入、输出参数的确定 | 第43-44页 |
| ·BP神经网络各层激活函数的确定 | 第44-46页 |
| ·BP神经网络隐含层数的确定 | 第46页 |
| ·BP神经网络隐含层神经元数的确定 | 第46-51页 |
| ·遗传算法对BP神经网络初始权值的具体优化 | 第51-54页 |
| ·染色体编码方式的确定 | 第51页 |
| ·种群的初始化 | 第51-52页 |
| ·适应度函数的确定 | 第52-53页 |
| ·遗传操作方法的确定 | 第53-54页 |
| ·基于MATLAB的仿真实现 | 第54-67页 |
| ·基于MATLAB遗传神经网络的训练 | 第55-61页 |
| ·遗传神经网络预测结果分析 | 第61-64页 |
| ·遗传神经网络与标准BP神经网络预测结果的对比分析 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 5 总结和展望 | 第68-70页 |
| 6 参考文献 | 第70-75页 |
| 7 论文发表情况 | 第75-76页 |
| 8 致谢 | 第76页 |