| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景 | 第10-11页 |
| ·板形智能识别和板形控制的发展 | 第11-13页 |
| ·板形智能识别发展 | 第11-12页 |
| ·板形控制发展 | 第12-13页 |
| ·人工智能在轧制领域中的应用 | 第13-15页 |
| ·国内外发展状况 | 第14页 |
| ·基于神经网络的板形模式识别和控制 | 第14-15页 |
| ·板形智能识别和板形控制的研究意义 | 第15-16页 |
| ·研究内容、方法和结构 | 第16-18页 |
| 第2章 预备知识 | 第18-30页 |
| ·板形控制基础 | 第18-20页 |
| ·板形的概念 | 第18页 |
| ·良好板形的几何条件 | 第18-19页 |
| ·板形控制手段 | 第19-20页 |
| ·神经网络基础 | 第20-22页 |
| ·RBF 神经网络 | 第20-21页 |
| ·RBF 神经网络学习方法 | 第21页 |
| ·RBF 神经网络优点和存在的问题 | 第21-22页 |
| ·免疫遗传算法 | 第22-25页 |
| ·免疫理论的发展 | 第22-23页 |
| ·生物免疫系统 | 第23-24页 |
| ·免疫遗传算法 | 第24-25页 |
| ·神经网络预测控制理论基础 | 第25-29页 |
| ·预测控制理论发展状况 | 第25-26页 |
| ·预测控制的特点 | 第26-28页 |
| ·神经网络预测控制 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于IGA-RBF 网络板形智能识别的研究 | 第30-43页 |
| ·板形智能识别原理 | 第30页 |
| ·基于IGA-RBF 网络的模型建立 | 第30-34页 |
| ·RBF 网络模型 | 第31-32页 |
| ·基于IGA 的RBF 网络参数设计 | 第32-34页 |
| ·基于IGA-RBF 网络的板形智能识别设计 | 第34-38页 |
| ·基于勒让德多项式的板形模式 | 第34-36页 |
| ·基于模糊距离的IGA-RBF 网络输入及输出 | 第36-37页 |
| ·板形智能识别步骤 | 第37-38页 |
| ·基于IGA-RBF 网络的板形智能识别仿真 | 第38-41页 |
| ·仿真数据获得 | 第38-39页 |
| ·板形智能识别仿真结果分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于RBF 网络的板形预测控制系统设计 | 第43-50页 |
| ·引言 | 第43-44页 |
| ·板形控制系统 | 第44-45页 |
| ·板形控制系统的特点 | 第44页 |
| ·液压弯辊控制系统 | 第44-45页 |
| ·基于RBF 网络的液压弯辊预测控制系统设计 | 第45-48页 |
| ·液压系统预测模型 | 第46-47页 |
| ·液压系统滚动优化 | 第47-48页 |
| ·基于 RBF 网络的预测控制系统仿真 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第56-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |