基于神经网络自适应控制的热轧卷取机步进控制系统的研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-20页 |
| 1．1 引言 | 第9-10页 |
| 1．2 液压伺服控制在热连轧机上的应用 | 第10-11页 |
| 1．3 液压伺服控制的应用与发展 | 第11-13页 |
| 1．3．1 液压伺服控制的发展历史 | 第11-12页 |
| 1．3．2 液压伺服控制的发展方向 | 第12-13页 |
| 1．3．3 近代液压伺服控制的特点 | 第13页 |
| 1．4 近代控制策略在液压伺服控制的应用概况 | 第13-16页 |
| 1．4．1 PID控制 | 第13-14页 |
| 1．4．2 自适应控制 | 第14页 |
| 1．4．3 非连续系统控制 | 第14-15页 |
| 1．4．4 智能控制 | 第15-16页 |
| 1．5 人工神经网络和遗传算法的研究及应用 | 第16-18页 |
| 1．6 课题来源及本文的主要研究内容 | 第18-20页 |
| 第2章 电液伺服系统的设计与建模 | 第20-29页 |
| 2．1 地下式卷取机的设备配置及卷取工艺 | 第20-21页 |
| 2．1．1 地下卷取机的布置和设备构成 | 第20页 |
| 2．1．2 卷取机卷取工艺 | 第20-21页 |
| 2．2 电液伺服系统的设计 | 第21-23页 |
| 2．3 系统的数学模型 | 第23-28页 |
| 2．3．1 恒压油源的数学模型 | 第23-24页 |
| 2．3．2 管道的数学模型 | 第24-25页 |
| 2．3．3 系统其他环节的数学模型 | 第25-28页 |
| 2．4 本章小结 | 第28-29页 |
| 第3章 控制策略研究及GA-NNI建模 | 第29-43页 |
| 3．1 引言 | 第29页 |
| 3．2 自适应控制 | 第29-30页 |
| 3．3 神经网络自适应控制 | 第30-32页 |
| 3．3．1 直接自适应控制 | 第30-31页 |
| 3．2．2 间接自适应控制 | 第31-32页 |
| 3．4 步进伺服系统的网络模型 | 第32-39页 |
| 3．4．1 直接自适应神经网络控制系统的结构 | 第32-33页 |
| 3．4．2 辨识网络NNI的参数算法 | 第33-39页 |
| 3．5 步进系统的GA-NNI网络模型 | 第39-42页 |
| 3．5．1 GA-NNI网络基本结构 | 第39页 |
| 3．5．2 输入层与输出层设计 | 第39页 |
| 3．5．3 隐层数及隐单元数的选择 | 第39-40页 |
| 3．5．4 遗传算法具体实现 | 第40-42页 |
| 3．6 本章小结 | 第42-43页 |
| 第4章 步进控制系统的开发 | 第43-60页 |
| 4．1 计算机控制系统工作原理 | 第43-44页 |
| 4．2 控制系统硬件 | 第44-45页 |
| 4．3 控制系统软件编程 | 第45-58页 |
| 4．3．1 面向对象编程 | 第45-46页 |
| 4．3．2 编程语言特点 | 第46-48页 |
| 4．3．3 软件设计 | 第48-53页 |
| 4．3．4 部分程序代码及GA-NNI关键问题 | 第53-58页 |
| 4．4 本章小结 | 第58-60页 |
| 第5章 步进控制系统问题研究及实现 | 第60-73页 |
| 5．1 遗传算法问题研究 | 第60-65页 |
| 5．1．1 适应度及定标 | 第60-63页 |
| 5．1．2 自适应调整交叉和变异概率 | 第63-64页 |
| 5．1．3 样本归一化 | 第64-65页 |
| 5．2 步进伺服控制系统的实现 | 第65-72页 |
| 5．2．1 卷取机控制系统工作原理 | 第65页 |
| 5．2．2 各控制步骤的数学模型 | 第65页 |
| 5．2．3 系统仿真 | 第65-67页 |
| 5．2．4 试验模型 | 第67-71页 |
| 5．2．5 试验结果及分析 | 第71-72页 |
| 5．3 本章小结 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间所发表的论文 | 第79-80页 |
| 致谢 | 第80页 |
