导读:本文包含了钢坯温度场预报论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:钢坯,神经网络,加热炉,温度,温度场,网络,小波。
钢坯温度场预报论文文献综述
高国丽,陈洪军[1]（2010）在《基于RBF神经网络的钢坯温度预报软测量模型研究》一文中研究指出钢坯加热过程是钢铁企业热轧生产中非常重要的工艺环节。钢坯温度预报模型是实现加热炉优化控制的重要基础,用常规仪器很难直接测量出钢坯温度。给出了基于RBF神经网络的软测量模型结构,对钢坯温度进行预报的仿真结果。(本文来源于《工业控制计算机》期刊2010年05期）
张捍东,黄鹏程,李俊[2]（2010）在《基于叁次样条权函数神经网络的钢坯温度预报》一文中研究指出针对传统神经网络对钢坯温度预报存在的一些缺点,如:隐层数不易确定,网络训练对初值敏感等。该文利用叁次样条权函数神经网络建立了钢坯温度预报模型,克服了传统神经网络的缺点。仿真结果表明该模型具有较高的精度。(本文来源于《自动化与仪表》期刊2010年02期）
姜磊,王德慧,朱里红[3]（2009）在《基于RBF网络的钢坯温度预报软测量模型研究》一文中研究指出针对目前的测温技术难以用仪器直接测量出加热炉内被加热钢坯温度的问题,提出了通过RBF神经网络建立钢坯温度软测量预报模型,实现了钢坯温度准确及时预报,达到了减少燃料和钢坯表面氧化的目的。工业试验仿真研究表明,该钢坯温度预报模型精度高、自适应性好、鲁棒性强。(本文来源于《热加工工艺》期刊2009年21期）
张国兴,陶怡,王永科,张银娟[4]（2009）在《钢坯内部温度场动态预报模型及ANSYS分析研究》一文中研究指出从能量守恒定律出发,通过有限差分的数值求解法建立了钢坯内部温度场的预报模型;并根据钢坯加热的特点,引入ANSYS有限元分析对钢坯加热过程进行建模分析,再现了钢坯加热过程的钢坯传热情况和温度场分布,为进一步分析钢坯加热参数和加热炉加热制度提供重要研究手段和参考依据,从而实现钢坯加热的温度场预测和控制的目的。(本文来源于《热加工工艺》期刊2009年15期）
程加堂,艾莉,熊伟,段志梅[5]（2009）在《钢坯叁维温度场预报模型的建立》一文中研究指出在钢坯加热的过程中,由于加热炉的炉内热状态复杂,测温技术的局限,难以直接测量出加热炉内被加热钢坯的温度,以保证适时出钢。因此,本文根据传热学知识,采用BP神经网络对钢坯叁维温度场进行预报。仿真结果表明,该模型能够满足实际生产要求。(本文来源于《自动化博览》期刊2009年01期）
张力,于政军,陈雪波[6]（2007）在《加热炉自适应钢坯温度预报模型》一文中研究指出针对加热炉生产过程中钢坯温度难以在线测量的问题,从钢坯升温传热机理出发建立了基于状态空间的自适应钢温预报数学模型。引入粗轧机组出口的钢坯温度实时检测信息,可对数学模型进行自适应校正。工业试验仿真研究表明,该钢坯温度预报模型精度高、自适应性好、鲁棒性强。(本文来源于《石油化工高等学校学报》期刊2007年03期）
邹敢,杨承志[7]（2007）在《加热炉钢坯温度场的预报模型》一文中研究指出利用神经网络建模方法建立钢坯表面温度场的预报模型,设计了网络结构,进行了仿真研究和分析,该模型可以较好地满足工程需要,有利于提高加热炉的控制水平及节约能源。并通过有限差分法建立钢坯内部温度场模型,该模型可以计算出任意时刻钢坯的温度场。(本文来源于《青岛科技大学学报(自然科学版)》期刊2007年03期）
员世芬[8]（2005）在《小波神经网络理论的研究及其在加热炉钢坯温度预报中的应用》一文中研究指出神经网络具有很强的非线性逼近能力及自学习、自适应能力,有较强的容错性,因而能够很好地跟踪捕获对象受各种不确定因素影响而发生的变化及变化趋势,能够很好的反映复杂工业过程的内部机理,是近年来研究和应用较多的一种智能控制方法。但在实际应用时,由于神经网络自身存在训练时间长、收敛速度慢以及局部极小等问题而限制了其在实时控制中的应用。为此,将小波分析理论引入神经网络,构成小波神经网络。小波神经网络融合了小波分析良好的时频局部化特性和神经网络的优点,较好的克服了以往神经网络结构设计的盲目性,具有较强的逼近能力、收敛速度快并且能有效避免局部极小值。本文选用的连续小波神经网络是将常规单隐含层神经网络中的Sigmoid函数用小波函数来代替,相应的输入层到隐含层的权值及隐含层阈值分别由小波函数的伸缩参数与平移参数代替,而输出层为线性神经元,它将隐含层的小波伸(本文来源于《太原理工大学》期刊2005-05-01）
张翠敏[9]（2003）在《钢坯温度场动态预报模型及其可视化的研究》一文中研究指出目前，我国工业能源利用率较低。钢铁工业中的加热炉是耗能较大的设备，在其控制与生产管理方面，我们的任务紧迫且大有可为。在同时保证钢坯表面温度和内部温度的情况下，适时出钢是既保证钢坯加热的质量又节省燃料的关键。但目前的测温技术很难用仪器直接测量出加热炉内被加热钢坯的内部温度，利用传热学的知识，建立钢坯温度场分布的数学模型，预报钢坯表面温度和内部温度值；然后，将钢坯在炉内的温度分布情况实时传送给控制系统，以便优化决策，获得炉温的调整。这对于生产工艺的最佳控制和节约能源具有重要意义，在本文中，作者有限差分法建立了钢坯内部温度场模型，通过神经网络建模方法建立了钢坯表面温度模型。实验数据表明，该模型能够较为准确地预报了钢坯内部及表面温度场数据。 在上述数学模型的基础上，本文针对钢坯温度场数据量大、工程分析不直观的问题，尝试了应用图形处理软件OpenGL进行钢坯温度场的虚拟现实可视化。这是本课题研究的一个新颖之处，在热力传导中，大量存在着将数值计算及硬件采样所获得的大量数据转化为可视化图像的问题；这一问题与传热学相关学科的可应用于实际中有着密切的联系。因此，本文对钢坯温度场中大容量数据进行虚拟现实可视化的初步研究，有一定的工程应用参考价值。(本文来源于《昆明理工大学》期刊2003-03-20）
张翠敏,杨承志,田宏伟,陈鹏,李仁俊[10]（2003）在《钢坯瞬态温度场预报模型与虚拟现实可视化的研究》一文中研究指出采用机理建模和辨识建模相结合的办法,建立了加热炉钢坯瞬态温度场预报模型,并应用虚拟现实建模语言实现了钢坯温度场的虚拟现实可视化。(本文来源于《昆明理工大学学报(理工版)》期刊2003年01期）
钢坯温度场预报论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统神经网络对钢坯温度预报存在的一些缺点,如:隐层数不易确定,网络训练对初值敏感等。该文利用叁次样条权函数神经网络建立了钢坯温度预报模型,克服了传统神经网络的缺点。仿真结果表明该模型具有较高的精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
钢坯温度场预报论文参考文献
[1].高国丽,陈洪军.基于RBF神经网络的钢坯温度预报软测量模型研究[J].工业控制计算机.2010
[2].张捍东,黄鹏程,李俊.基于叁次样条权函数神经网络的钢坯温度预报[J].自动化与仪表.2010
[3].姜磊,王德慧,朱里红.基于RBF网络的钢坯温度预报软测量模型研究[J].热加工工艺.2009
[4].张国兴,陶怡,王永科,张银娟.钢坯内部温度场动态预报模型及ANSYS分析研究[J].热加工工艺.2009
[5].程加堂,艾莉,熊伟,段志梅.钢坯叁维温度场预报模型的建立[J].自动化博览.2009
[6].张力,于政军,陈雪波.加热炉自适应钢坯温度预报模型[J].石油化工高等学校学报.2007
[7].邹敢,杨承志.加热炉钢坯温度场的预报模型[J].青岛科技大学学报(自然科学版).2007
[8].员世芬.小波神经网络理论的研究及其在加热炉钢坯温度预报中的应用[D].太原理工大学.2005
[9].张翠敏.钢坯温度场动态预报模型及其可视化的研究[D].昆明理工大学.2003
[10].张翠敏,杨承志,田宏伟,陈鹏,李仁俊.钢坯瞬态温度场预报模型与虚拟现实可视化的研究[J].昆明理工大学学报(理工版).2003
论文知识图
