基于遗传神经网络的热轧钢管控制研究
| 中文摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-10页 |
| ·我国无缝钢管行业的现状及前景展望 | 第6页 |
| ·现状 | 第6页 |
| ·前景展望 | 第6页 |
| ·本论文的研究内容 | 第6-10页 |
| ·无缝钢管热轧的生产工艺流程介绍 | 第6-7页 |
| ·无缝钢管热轧控制系统的核心技术——热连轧 | 第7-9页 |
| ·热连轧控制系统存在的问题 | 第9页 |
| ·本论文对存在问题的研究及解决 | 第9-10页 |
| 第二章 BP神经网络 | 第10-14页 |
| ·神经网络概述 | 第10-11页 |
| ·BP神经网络 | 第11-14页 |
| ·BP神经网络算法描述 | 第11页 |
| ·BP神经网络结构设计 | 第11-12页 |
| ·BP算法的限制与不足 | 第12页 |
| ·本论文采用的改进BP算法 | 第12-14页 |
| 第三章 基于遗传算法的神经网络控制系统 | 第14-20页 |
| ·遗传算法概述 | 第14页 |
| ·遗串算法的工作原理 | 第14-15页 |
| ·遗传算法的实现 | 第15页 |
| ·遗传算法的特点与不足 | 第15页 |
| ·遗传算法常用的改进方法 | 第15-16页 |
| ·基于遗传算法的BP神经网络控制系统 | 第16-18页 |
| ·遗传算法和神经网络的结合 | 第16-17页 |
| ·遗传算法和BP神经网络的结合 | 第17页 |
| ·遗传算法在神经网络中的应用 | 第17-18页 |
| ·遗传神经网络的编码方式 | 第18-20页 |
| ·常用编码方式 | 第18页 |
| ·本论文采用的编码方式 | 第18-20页 |
| 第四章 基于遗传神经网络优化热连轧轧辊转速 | 第20-36页 |
| ·建立前反馈动态补偿数学模型 | 第20页 |
| ·BP神经网络中基本映射关系的确定 | 第20-22页 |
| ·数据采集及处理 | 第22-25页 |
| ·数据采集 | 第22-23页 |
| ·数据处理 | 第23-25页 |
| ·BP神经网络结构的确定 | 第25-27页 |
| ·基于遗传算法学习BP网络权值 | 第27-32页 |
| ·遗传算法流程图 | 第27-28页 |
| ·遗传算法的参数确定 | 第28-32页 |
| ·获得网络加权矩阵 | 第32页 |
| ·基于遗传神经网络的热连轧轧辊转速仿真预测 | 第32-36页 |
| ·本论文中改进的BP算法参数确定 | 第32-33页 |
| ·遗传BP神经网络算法流程图 | 第33页 |
| ·轧辊转速仿真预测 | 第33-35页 |
| ·结果分析 | 第35-36页 |
| 第五章 结论与展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| 发表论文和参加科研情况说明 | 第40-41页 |
| 致谢 | 第41页 |
