第一章 绪论 1
1.1 引言 1
1.2 连铸漏钢温度模式识别的基本方法 4
1.3 从逻辑分析诊断预报到神经网络诊断预报 5
1.4 基于模糊技术的神经网络建模的主要技术路线和研究现状 8
1.5 本文的研究背景 11
1.6 本文的内容编排 13
第二章 连铸漏钢温度模式识别的原理与方法 15
2.1 连铸工艺及漏钢事故 15
2.2 结晶器铜板温度检测方法 20
2.3 漏钢预报的逻辑判断（BPLGC）方法 24
2.4 漏钢诊断预报的神经网络温度模式识别系统 37
2.5 本章小结 45
第三章 基于模糊聚类的RBF神经网络建模研究 46
3.1 RBF神经网络用于温度模式识别的优越性及隐含层的改进 46
3.2 基于调节型FCM的RBF神经网络（CFRBF）建模 52
3.3 CFRBF神经网络样本训练、参数优化及建模实现 65
3.4 CFRBF网络泛化性能分析 81
3.5 本章小结 83
第四章 基于模糊模式识别的ART神经网络建模研究 85
4.1 模糊ART网络应用于模式识别的原理与方法 85
4.2 模糊ART的改进和自定义贴近度的引入 92
4.3 基于自定义贴近度的模糊ART神经网络（CFART）建模 101
4.4 CFART网络的样本训练及参数优化 108
4.5 本章小结 117
第五章 连铸漏钢诊断预报的仿真实现 119
5.1 连铸漏钢诊断预报系统的总体框架分析 119
5.2 基于CFRBF网络模型的连铸漏钢温度模式识别 126
5.3 基于CFART网络模型的连铸漏钢温度模式识别 133
5.4 连铸漏钢诊断预报模型的比较、分析及其探讨 137
5.5 本章小结 140
第六章 基于现场数据采集的信息分析与仿真系统的开发 142
6.1 基于现场数据采集的动态信息分析及仿真系统的建立 142
6.2 动态信息分析及仿真系统（LASS）软件包的开发与实现 144
6.3 本章小结 155
第七章 总结与展望 156
7.1 本文研究工作总结 156
7.2 进一步的工作 160
7.3 展望 162
参考文献 164
致谢 178