优秀研究生学位论文题录展示

支持向量机在钢材性能预报中的应用研究

专 业: 控制理论与控制工程
关键词: 支持向量机 人工神经网络 参数选择 三步搜索 淬透性 力学性能
分类号: TF321  TP183
形 态: 共 55 页 约 36,025 个字 约 1.723 M内容
阅 读: 全文阅读说明

内容摘要


本文将机器学习领域的最新研究进展:

支持向量机SupportVectorMachines,简称SVM技术,应用于典型的钢材性能预报过程,主要的研究工作及成果体现在以下几点:1.编程实现了SVM的分类和回归算法,并将其集成到了冶金自动化研究设计院开发的软件:

通用工业生产过程建模平台一ArilPM中。

2.淬透性是钢材的一种热加工属性,对于钢材的选择、编制其热处理工艺具有重要意义。

本文首次将SVM用于淬透性的预报,模型输入是化学成分含量,输出是距离端淬点某一距离处的淬透性值,其性能优于相同条件下建立的BP神经网络模型。

3.本文将SVM应用于钢材力学性能指标延伸率、屈服点、抗拉强度的预报,针对不同钢厂的生产数据,分析了影响预报性能的各种因素。

4.三步搜索法是运动图像补偿编码中的一个经典算法,它能够快速有效的确定帧间图像的最小失真方向。

本文将该方法引入到SVM训练参数:

高斯核宽度参数与惩罚因子C的优化选择上来。

在不降低预报准确率的情况下,能够显著的减少比较次数,提高参数优化选择的速度..……

全文目录


文摘
英文文摘
第一章 绪论
1.1引言
1.2两个典型的钢材性能预报
1.2.1淬透性
1.2.2力学性能
1.3现有的智能技术及其不足
1.4本文的解决方案
1.5章节安排
第二章 支持向量机基本知识
2.1引言
2.2机器学习
2.2.1机器学习的基本问题
2.2.2统计学习理论及其核心内容
2.3支持向量机概念
2.3.1支持向量机的推导
2.3.2支持向量机的实用求解算法
2.4支持向量机的理论研究进展
2.4.1支持向量机的各种改进形式
2.4.2支持向量机的参数选择
2.5支持向量机的应用现状
2.6小结
第三章 支持向量机在淬透性预报中的应用研究
3.1引言
3.2训练样本数据的获取和处理
3.3支持向量机和神经网络的建模过程
3.4淬透性模型预报性能分析
3.5支持向量机训练参数优化分析
3.5.1参数影响分析
3.5.2三步搜索法优化参数选择
3.6小结
第四章 支持向量机在钢材力学性能预报中的应用研究
4.1引言
4.2钢厂1的力学性能预报模型
4.3钢厂2的力学性能预报模型
4.4钢厂3的力学性能预报模型
4.5小结
第五章 总结与展望
参考文献
附录

相似论文

  1. 高炉无料钟布料控制系统的研究,59页,TF321.3 TP273.4
  2. 基于神经网络的烧结风机状态监测,65页,TF321.8 TP277
  3. 交直交变频器在高炉鼓风机启动中的应用,59页,TF321.8
  4. 基于增长剪枝联合算法的模糊神经网络结构优化研究,67 页,TP183 TP301.6
  5. 模糊RBF网络的研究和应用,81 页,TP183 TD712.61
  6. 基于一般化学习网络的非线性系统预测、辨识及内模控制方法研究,85 页,TP183 TP273.2
  7. 时滞神经网络的稳定性与同步研究,134页,TP183 O491.5
  8. 基于Alpha稳定分布基函数概率神经网络的系统故障诊断研究,55 页,TP183 TP277
  9. 基于序列构造神经网络的多维数据分析研究,113页,TP183
  10. 制气工段智能控制系统的设计与实现,69页,TF325.1
  11. 高炉热流强度的监测与炉衬厚度预报,53页,TF325.66 TP274
  12. 烘干生产过程自动控制系统的设计与实现,67页,TF325.1
  13. 球团厂煤粉制备系统的多变量解耦PID控制,68页,TF325.1 TP273.5
  14. 韶钢四号高炉炉况判断及铁水含硅量预报专家系统,64页,TF325.6
  15. 2#炼铁高炉的集中监控系统,68页,TF325.6
  16. 链篦机-回转窑成品球团质量预测模型的研究,69页,TF325.1
  17. 苏尔寿AV系列风机控制系统开发及规范,92页,TF325.62 TM571.61
  18. 基于图像处理的烧结断面温度场检测的研究,54页,TF325.69
  19. 基于现场总线的高炉水处理系统研究,52页,TF325.69
  20. 造球工段自动控制系统的设计与实现,66页,TF325
中图分类: > TF321 > 工业技术 > 冶金工业 > 冶金机械、冶金生产自动化 > 炼铁机械与生产自动化 > 炼铁机械
其他分类: > TP183 > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算

© 2012 book.hzu.edu.cn