声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 加热炉工艺过程简介
1.2.1 加热炉的分类
1.2.2 高效蓄热式加热炉的工作原理
1.2.3 蓄热式高风温燃烧技术的发展
1.2.4 蓄热式高风温燃烧器的主要组成部分及特点
1.3 国内外工业生产过程控制的研究概况
1.3.1 关于工业生产过程控制模型的发展
1.3.2 静态控制模型在钢铁行业中的应用
1.4 加热炉建模发展概况
1.5 本文主要工作
第2章 人工神经网络与智能优化方法
2.1 神经网络
2.1.1 神经网络概述
2.1.2 人工神经元模型
2.1.3 人工神经网络的分类及其工作方式
2.1.4 人工神经网络发展
2.2 RBF神经网络
2.2.1 RBF神经网络简介
2.2.2 RBF网络的模型特点与结构
2.3 智能优化方法
2.3.1 微分进化算法的原理和特点
2.3.2 最小二乘法
2.4 本章小结
第3章 基于神经网络的钢温预测模型
3.1 基于RBF神经网络的钢坯温度预报模型
3.1.1 网络模型的层次结构
3.1.2 数据预处理
3.1.3 输入量与输出量的确定
3.1.4 RBF的训练方法
3.1.5 RBF网络模型仿真与分析
3.2 K-means-RBF模型
3.2.1 K-means算法的优化原理
3.2.2 K-means优化RBF神经网络
3.2.3 K-means-RBF网络模型仿真与分析
3.3 DE-RBF模型
3.3.1 DE算法的优化原理
3.3.2 DE优化RBF神经网络
3.3.3 DE-RBF网络模型仿真与分析
3.4 OLS-RBF模型
3.4.1 OLS算法的优化原理
3.4.2 OLS优化RBF神经网络
3.4.3 OLS-RBF网络模型仿真与分析
3.5 本章小结
第4章 一种新的基于DEOLS-RBF的钢温预测模型
4.1 正交最小二乘算法与微分进化算法的分析
4.1.1 OLS算法的分析
4.1.2 微分进化算法的分析
4.2 微分进化正交最小二乘学习算法的优化原理
4.3 微分进化正交最小二乘学习算法优化RBF网络
4.4 DEOLS-RBF网络模型仿真与分析
4.5 本章小结
第5章 结论与展望
参考文献
致谢