声明
摘要
1.1选题背景及意义
1.2连续退火工艺流程
1.3生产中存在的问题
1.4研究现状
1.4.1带钢硬度检测方法
1.4.2故障诊断方法
1.5本文研究内容
第2章影响因素分析与数据预处理
2.1影响因素分析
2.1.1带钢硬度影响因素
2.1.2带钢跑偏影响因素
2.2数据预处理
2.2.1数据对齐
2.2.2粗大误差侦破
2.3本章小结
第3章基于LS_SVM的连退带钢硬度预测
3.1最小二乘支持向量机
3.2核函数选择
3.3基于LS_SVM的带钢硬度预测建模
3.4基于多交叉策略的自适应遗传算法
3.4.1核参数确定方法
3.4.2基于多交叉策略的自适应遗传算法设计
3.5带钢硬度预测模型性能测试
3.5.1基于LS_SVM的硬度预测实验
3.5.2基于数据降维的LS_SVM硬度预测实验
3.5.3实验结果分析
3.6本章小结
第4章基于集成学习的连退带钢硬度预测
4.1集成学习建模过程
4.2集成学习模型性能测试
4.2.1基于单个学习机的硬度预测实验
4.2.2基于集成学习的硬度预测实验
4.2.3实验结果分析
4.3模型更新
4.4系统开发
4.5本章小结
第5章基于KPCA的带钢跑偏故障诊断
5.1核主元分析算法
5.2基于KPCA的故障诊断建模
5.2.1故障检测建模
5.2.2故障分离建模
5.3故障诊断仿真实验与结果分析
5.3.1故障检测
5.3.2故障分离
5.4本章小结
第6章总结和展望
参考文献
致谢