基于模糊神经网络的HC轧机板形控制的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-17页 |
| ·引言 | 第10-11页 |
| ·板形的定量表示方法及带钢翘曲的力学条件 | 第11-12页 |
| ·板形的定量表示方法 | 第11-12页 |
| ·带钢翘曲的力学条件 | 第12页 |
| ·板形控制技术的发展概况 | 第12-14页 |
| ·课题研究背景 | 第14-15页 |
| ·本课题意义 | 第15-16页 |
| ·本课题研究的内容 | 第16-17页 |
| 第2章 HC 轧机辊系变形模型及调节特性的介绍 | 第17-34页 |
| ·HC 轧机结构特点 | 第17-18页 |
| ·辊系变形计算模型的简要介绍 | 第18-23页 |
| ·轧辊变形计算的简化及离散化 | 第18-19页 |
| ·轧辊弹性变形基本方程 | 第19-23页 |
| ·辊系变形的计算方法 | 第23页 |
| ·HC 轧机前张力计算及各调整量与张力分布的关系 | 第23-29页 |
| ·带钢板形缺陷的回归 | 第29-31页 |
| ·弯辊与倾辊调节的调节特性 | 第31-33页 |
| ·弯辊的调节特性 | 第31-32页 |
| ·倾辊调整的特性 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 模糊神经网络的一般模型 | 第34-50页 |
| ·模糊逻辑系统 | 第34-40页 |
| ·模糊逻辑系统的组成与分类 | 第34-37页 |
| ·模糊规则库 | 第37-38页 |
| ·模糊推理机 | 第38-39页 |
| ·模糊产生器和反模糊化器 | 第39-40页 |
| ·神经网络技术 | 第40-43页 |
| ·神经网络基础 | 第40-41页 |
| ·BP 神经网络及其学习算法 | 第41-43页 |
| ·模糊神经网络 | 第43-49页 |
| ·模糊逻辑与神经网络的结合 | 第43-46页 |
| ·模糊神经网络分类 | 第46-47页 |
| ·模糊神经网络结构与学习算法 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于模糊神经网络的冷轧板形控制 | 第50-65页 |
| ·概述 | 第50-51页 |
| ·HC 六辊轧机模糊神经网络控制器的设计 | 第51-58页 |
| ·模糊控制器的输入输出量的确定 | 第51-52页 |
| ·精确量的模糊化 | 第52-53页 |
| ·模糊控制规则的建立 | 第53-56页 |
| ·控制系统隶属函数的选取 | 第56-58页 |
| ·HC 六辊轧机模糊神经网络模型的建立 | 第58-64页 |
| ·模糊神经网络的原理及结构设计 | 第58-60页 |
| ·模糊神经网络的学习及参数调整 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 HC 轧机轧制过程仿真研究 | 第65-80页 |
| ·系统仿真程序流程 | 第65-67页 |
| ·轧制过程仿真与实现 | 第67-79页 |
| ·本章小结 | 第79-80页 |
| 结论 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 作者简介 | 第87页 |
