连退炉在线黑体空腔参数建立与优化
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-16页 |
1.1 论文研究背景及意义 | 第10-11页 |
1.2 连续退火工艺的发展 | 第11-12页 |
1.3 连续退火炉结构 | 第12-14页 |
1.4 连退炉带钢测温方法及国内外研究现状 | 第14-15页 |
1.5 本文的主要工作 | 第15-16页 |
第2章 理论基础 | 第16-34页 |
2.1 黑体空腔理论 | 第16-23页 |
2.2 COMSOL多物理场仿真工具 | 第23-24页 |
2.3 神经网络与支持向量机 | 第24-31页 |
2.3.1 神经网络 | 第24-28页 |
2.3.2 支持向量机 | 第28-31页 |
2.4 遗传算法 | 第31-33页 |
2.5 本章小结 | 第33-34页 |
第3章 带钢温度制度及其影响 | 第34-42页 |
3.1 连退炉加热段动态描述 | 第34-35页 |
3.2 PID-Smith控制算法 | 第35-37页 |
3.3 控制参数整定与仿真 | 第37-39页 |
3.4 测温对连退炉温度制度的影响 | 第39-40页 |
3.5 本章小结 | 第40-42页 |
第4章 基于机理的连退炉加热段建模与仿真 | 第42-54页 |
4.1 连退炉辐射测温原理分析 | 第42-44页 |
4.2 连退炉加热段温度场建模 | 第44-47页 |
4.2.1 温度场的建立 | 第44-46页 |
4.2.2 温度数学模型 | 第46-47页 |
4.3 温度场仿真 | 第47-51页 |
4.4 在线黑体空腔精度分析 | 第51-53页 |
4.5 本章小结 | 第53-54页 |
第5章 在线黑体空腔参数规划模型 | 第54-64页 |
5.1 在线黑体空腔模型的建立 | 第54-55页 |
5.2 基于BP神经网络的在线黑体空腔模型 | 第55-56页 |
5.2.1 模型参数选取 | 第55页 |
5.2.2 模型训练 | 第55-56页 |
5.3 基于最小二乘支持向量机的在线黑体控制模型 | 第56页 |
5.3.1 模型参数选取 | 第56页 |
5.3.2 模型训练 | 第56页 |
5.4 在线黑体空腔模型的仿真结果比较与分析 | 第56-58页 |
5.5 基于遗传算法优化模型 | 第58-60页 |
5.5.1 优化模型的描述 | 第58-59页 |
5.5.2 遗传算法参数设定及步骤 | 第59-60页 |
5.6 两种方法优化结果比较 | 第60-62页 |
5.7 本章小结 | 第62-64页 |
第6章 总结与展望 | 第64-66页 |
参考文献 | 第66-70页 |
致谢 | 第70页 |