首页> 中文学位 >神经网络在钢铁板坯缺陷诊断中应用与研究
【6h】

神经网络在钢铁板坯缺陷诊断中应用与研究

代理获取

目录

文摘

英文文摘

第一章绪论

1.1课题来源以及研究的目的和意义

12国内外研究现状及存在问题

1.2.1传统专家系统的发展及现状

1.2.2人工神经网络的现状及存在问题

13本文的主要研究工作

第二章连铸坯缺陷的成因分析

2.1缺陷成因的分析

2.1.1连铸坯的纯净度

2.1.2连铸坯的表面质量

2.1.3连铸坯的内部质量

2.2钢厂现有记录分析

2.3在板坯缺陷预报诊断前数据的前期处理

第三章BP神经网络原理及初步仿真

3.1人工神经网络的发展与应用

3.2人工神经元模型

3.3 BP前馈网络

3.3.1 BP网络结构

3.3.2 BP网络的反向学习传播公式

3.3.3 BP网络的学习算法

3.4学习样本的收集

3.5神经网络的初步设计

3.6算法实现及存在的问题

3.6.1参数提取及样本选择

3.6.2用标准BP算法进行仿真

3.6.3对标准BP网络学习算法的讨论

第四章几种改进后的网络及算法仿真

4.1基于对隐含层激活函数分组的BP算法

4.1.1隐含层模型结构选型

4.1.2改进后的知识获取表示方法

4.1.3利用改进后的网络进行仿真

4.2基于梯度方式的BP算法

4.2.1加动量项算法分析

4.2.2利用改进后的网络进行仿真

4.3非单调的多层神经网络算法

4.3.1利用非单调激活函数的BP学习算法

4.3.2改进后的网络性能仿真

4.4正交神经网络

4.4.1正交神经网络的算法理论分析

4.4.2正交神经网络的学习算法

4.5对以上几种改进方法的总结

第五章利用遗传算法改进神经网络

5.1遗传算法及其理论分析

5.2遗传算法的设计与实现

5.2.1标准的遗传算法步骤

5.2.2编码方法

5.2.3适应度函数

5.2.4其它问题

5.3遗传算法在神经网络中的应用

5.3.1连接权的进化

5.3.2网络结构的进化

5.3.3用遗传算法解决XOR问题的仿真实验说明

第六章总结及展望

致谢

参考文献

展开▼

摘要

在分析了当前专家系统和冶金行业的现状后,该文介绍了开发钢铁生产主线板坯缺陷的诊断系统的必要性,并提出了基于神经网络的板坯缺陷诊断及预报算法.针对标准BP算法的不足,笔者提出了几种改进措施,以改进算法的学习速度和避免陷入局部极值.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号