基于模糊RBF神经网络的连铸漏钢预报技术的研究

文摘

英文文摘

第一章绪论

1.1课题背景简介

1.2国内外研究现状

1.3本文主要的研究工作

第二章粘结性漏钢的本质特征

2.1连铸工艺流程

2.2粘结性漏钢形成的机理

2.3粘结性漏钢判别方法

2.4粘结性漏钢的本质特征

2.5本章小结

第三章聚类分析技术在连铸漏钢预报中的应用

3.1聚类理论的发展及应用

3.2 K均值聚类算法

3.3模糊c-均值(FCM)聚类算法

3.3.1 FCM算法

3.3.2 FCM计算步骤

3.3.3加权指数m对聚类性能的影响

3.3.4模糊聚类有效性的问题

3.4基于模糊聚类技术的连铸漏钢预报仿真系统

3.4.1样本数据的采集

3.4.2不良数据的预处理

3.4.3采样数据的归一化处理

3.4.4聚类分析技术在连铸漏钢预报中的实现

3.5基于模糊聚类技术的预报模型的评估

3.6本章小结

第四章模糊RBF神经网络在连铸漏钢预报中的应用

4.1神经网络简介

4.2径向基函数(RBF)神经网络的理论基础

4.3 RBF神经网络的网络结构

4.4 RBF神经网络的学习算法分析

4.4.1正交三角形分解法

4.5 RBF神经网络在连铸漏钢预报中的应用

4.5.1单偶时序网络

4.5.2组偶空间网络模型

4.6 RBF神经网络预报模型的评估

4.7模糊RBF神经网络预报模型的建立

4.7.1模糊RBF神经网络的网络结构

4.7.2模糊RBF神经网络的算法分析

4.7.3模糊RBF神经网络权值的确定——奇异值分解法

4.8模糊RBF神经网络在连铸漏钢预报中的应用

4.9对模糊RBF神经网络预报模型的改进

4.9.1拉速与粘结性漏钢的关系

4.9.2模糊逻辑技术简介

4.9.3速度衰减因子γ的确定

4.9.4含速度衰减因子γ的模糊RBF神经网络预报模型

4.10本章小结

第五章基于模糊RBF神经网络技术的连铸漏钢预报仿真系统软件的开发

5.1 VB程序开发语言

5.2软件实现

5.3仿真实验总结

5.4本章小结

第六章总结与展望

6.1研究总结

6.2展望

参考文献

作者学位攻读期间公开发表的论文

致谢

附录1：正交三角形分解法算法流程图

附录2 奇异值分解法算法流程图

附录3：幂法及反幂法