| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 软测量技术研究现状 | 第11-15页 |
| 1.4 论文的主要工作及安排 | 第15-16页 |
| 第2章 带钢连续热镀锌生产线工艺简介 | 第16-22页 |
| 2.1 带钢连续热镀锌生产线 | 第16-18页 |
| 2.1.1 带钢连续热镀锌生产线总体概述 | 第16-17页 |
| 2.1.2 带钢连续热镀锌生产工艺 | 第17-18页 |
| 2.2 模型相关参数的确定 | 第18-20页 |
| 2.2.1 带钢连续热镀锌生产线工艺参数 | 第18-19页 |
| 2.2.2 输入、输出分析 | 第19-20页 |
| 2.3 小结 | 第20-22页 |
| 第3章 基于多元线性回归的焊缝跟踪建模 | 第22-28页 |
| 3.1 多元线性回归算法设计原理 | 第22-23页 |
| 3.1.1 多元线性回归模型的一般形式 | 第22页 |
| 3.1.2 回归参数的最小二乘估计 | 第22-23页 |
| 3.1.3 多元线性回归的显著性检验 | 第23页 |
| 3.2 基于多元线性回归的焊缝跟踪模型 | 第23-26页 |
| 3.3 小结 | 第26-28页 |
| 第4章 基于BP神经网络的焊缝跟踪建模 | 第28-46页 |
| 4.1 神经网络的基本概念和基本原理 | 第28-31页 |
| 4.1.1 神经网络的生物学启示 | 第28-29页 |
| 4.1.2 人工神经元模型 | 第29-30页 |
| 4.1.3 神经网络的结构与类型 | 第30-31页 |
| 4.2 神经网络的发展和应用 | 第31-33页 |
| 4.3 BP神经网络 | 第33-44页 |
| 4.3.1 BP神经网络的结构 | 第33-34页 |
| 4.3.2 神经网络的算法推导 | 第34-40页 |
| 4.3.3 基于BP神经网络的焊缝跟踪模型及仿真 | 第40-43页 |
| 4.3.4 BP网络在实际应用中存在的问题 | 第43-44页 |
| 4.4 小结 | 第44-46页 |
| 第5章 基于GA-BP神经网络的焊缝跟踪建模 | 第46-70页 |
| 5.1 遗传算法基本理论 | 第46-50页 |
| 5.1.1 遗传算法发展简史 | 第46-48页 |
| 5.1.2 遗传算法的基本概念 | 第48页 |
| 5.1.3 遗传算法的运行过程 | 第48-50页 |
| 5.2 遗传算法的理论基础 | 第50-52页 |
| 5.3 遗传算法的改进策略 | 第52-57页 |
| 5.4 遗传算法的特点 | 第57-59页 |
| 5.5 遗传算法与神经网络融合 | 第59-61页 |
| 5.5.1 遗传算法优化神经网络的连接权 | 第59-60页 |
| 5.5.2 遗传算法优化神经网络的拓扑结构 | 第60页 |
| 5.5.3 遗传算法优化神经网络的学习规则 | 第60-61页 |
| 5.6 三层全局最优的BP神经网络学习模型 | 第61-63页 |
| 5.6.1 编码方案 | 第61-62页 |
| 5.6.2 适应度函数的确定 | 第62页 |
| 5.6.3 遗传操作 | 第62-63页 |
| 5.7 基于GA-BP神经网络的焊缝跟踪模型及仿真 | 第63-68页 |
| 5.8 小结 | 第68-70页 |
| 第6章 总结和展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |