声明
摘要
第1章 绪论
1.1 性能预报模型的分类
1.1.1 统计回归模型
1.1.2 人工神经网络模型
1.2 性能预报在冶金领域的应用
1.2.1 性能预报在板带材上的应用
1.2.2 性能预报在线棒材上的应用
1.3 性能预报技术存在的问题和展望
1.4 论文研究内容与结构安排
第2章 合金结构钢预测模型算法建立
2.1 人工神经网络简介
2.1.1 人工神经网络的特点
2.1.2 人工神经网络的发展及主要类型
2.1.3 神经网络学习算法
2.2 合金结构钢性能预报神经网络模型
2.2.1 输入层与输出层变量的确定
2.2.2 样本数据的采集及处理
2.2.3 隐层数目和隐层节点数的选取
2.3 非线性相似度逼近模型
2.3.1 变量之间的相关性分析
2.3.2 非线性相似度逼近算法建立
2.4 本章小结
第3章 合金结构钢力学性能预报系统设计
3.1 编程语言选择
3.2 预报系统的结构和主要功能
3.2.1 预报系统的使用前提
3.2.2 钢种信息的编辑区域
3.2.3 工艺数据编辑区域
3.2.4 计算方法选择区域
3.2.5 单批次性能预测显示区域
3.2.6 批处理预测区域
3.2.7 单批次预测历史记录区域
3.3 成分预警功能
3.4 数据“不落地”的自动化功能
3.4.1 数据自动修约功能
3.4.2 电子报表生成功能
3.4.3 预报系统与ERP的信息下载和上传
3.5 系统的程序设计
3.5.1 VC编程语言与MATLAB软件的数据接口
3.5.2 核心算法的编程
3.6 本章小结
第4章 预报系统的应用和偏差分析
4.1 试验室条件的完善
4.2 力学性能预报检验工作原则
4.3 力学性能预报流程
4.3.1 常规力学性能生产检验流程
4.3.2 力学性能预报系统流程
4.3.3 应用期间预报偏差
4.4 样本数据对预报系统的偏差影响
4.5 隐层节点数对泛化能力的影响
4.6 网络模型泛化能力测试
4.7 预报系统偏差统计
4.7.1 检验数据的预报偏差分析
4.7.2 偏差产生原因分析
4.8 本章小结
第5章 结论与展望
参考文献
致谢
东北大学;