基于BP神经网络逆模型的热连轧产品质量研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-14页 |
| ·研究背景 | 第10页 |
| ·研究意义与经济价值 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·论文研究内容与工作安排 | 第12-13页 |
| ·研究内容 | 第12-13页 |
| ·工作安排 | 第13页 |
| ·本章小结 | 第13-14页 |
| 2 相关理论综述 | 第14-24页 |
| ·BP 神经网络 | 第14-20页 |
| ·BP 神经网络的参数选择 | 第14-17页 |
| ·BP 神经网络算法 | 第17-19页 |
| ·BP 神经网络优点与缺点 | 第19-20页 |
| ·自适应逆控制理论 | 第20-23页 |
| ·自适应逆控制的基本思想 | 第20-21页 |
| ·线性系统的自适应逆控制 | 第21页 |
| ·非线性系统的自适应逆控制 | 第21-22页 |
| ·非线性系统自适应逆控制改进 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 神经内模控制 | 第24-32页 |
| ·内模控制研究现状 | 第24-25页 |
| ·内模控制原理 | 第25页 |
| ·线性内模控制器设计 | 第25-27页 |
| ·神经非线性内模控制 | 第27-29页 |
| ·实验仿真 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于内模控制的 BP 神经网络逆模型的设计 | 第32-44页 |
| ·系统可逆性定义 | 第32页 |
| ·神经网络逆模型建模方法 | 第32-34页 |
| ·正向建模 | 第33页 |
| ·逆向建模 | 第33-34页 |
| ·内模控制的 BP 神经网络逆模型的设计 | 第34-39页 |
| ·非线性系统的可逆性 | 第35-36页 |
| ·BP 神经网络逆模型的设计 | 第36-39页 |
| ·内模控制的 BP 神经网络逆模型算法 | 第39-42页 |
| ·算法流程图 | 第39-41页 |
| ·逆模型算法步骤 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 5 BP 神经网络逆模型在热连轧产品质量中的应用 | 第44-60页 |
| ·热连轧产品简介 | 第44-46页 |
| ·热连轧产品工业参数 | 第46页 |
| ·轧制数据样本处理 | 第46-51页 |
| ·样本选择 | 第46-49页 |
| ·样本预处理与选择 | 第49-50页 |
| ·输入输出变量的确定 | 第50页 |
| ·样本归一化处理 | 第50-51页 |
| ·热连轧轧制工艺参数优化应用 | 第51-59页 |
| ·轧制卷曲温度求解模型 | 第51-53页 |
| ·基于内模控制的 BP 神经网络逆模型应用 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间所做课题项目及发表的学术论文 | 第68页 |
