| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·板形理论及其研究背景 | 第10-11页 |
| ·人工智能在轧制领域的应用 | 第11-13页 |
| ·研究意义 | 第13-14页 |
| ·板形智能方法的研究现状 | 第14-16页 |
| ·本文主要研究内容 | 第16-17页 |
| ·本文组织结构 | 第17-18页 |
| 第2章 基于SVM 的RBF 网络板形模式识别 模型的研究 | 第18-31页 |
| ·引言 | 第18页 |
| ·神经网络板形模式识别模型的分析 | 第18-20页 |
| ·基于SVM 的RBF 网络结构模型的构造 | 第20-24页 |
| ·基于SVM 的RBF 网络的板形模式识别模型 | 第24-27页 |
| ·构造板形模式识别模型的步骤 | 第27-29页 |
| ·本章小结 | 第29-31页 |
| 第3章 基于模糊距离差的板形模式识别方法 | 第31-43页 |
| ·引言 | 第31页 |
| ·基于传统输入的智能板形识别方法及局限性 | 第31-34页 |
| ·模糊距离的差的板形模式识别输入方法 | 第34-37页 |
| ·基于模糊距离差的板形模式识别模型的建立与优化 | 第37-41页 |
| ·改进的基于SVM 的RBF 网络板形识别算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 板形控制的动态矩阵方法研究 | 第43-58页 |
| ·引言 | 第43页 |
| ·板形控制的基本概念及其智能控制方法概述 | 第43-46页 |
| ·板形控制的动态矩阵方法 | 第46-49页 |
| ·板形控制的SVM-RBF 网络预测模型的建立 | 第49-53页 |
| ·板形智能控制的动态矩阵方法研究 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第5章 仿真实验及分析 | 第58-72页 |
| ·引言 | 第58页 |
| ·基于SVM 的RBF 网络板形模式识别模型仿真实验 | 第58-62页 |
| ·改进的板形模式识别方法仿真实验及分析 | 第62-67页 |
| ·板形控制预测模型的仿真实验与分析 | 第67-70页 |
| ·本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间承担的科研任务和主要成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |