| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第一章 文献综述 | 第11-33页 |
| 1.1 课题的来源及意义 | 第11-13页 |
| 1.2 铝带坯双辊铸轧技术研究进展 | 第13-16页 |
| 1.2.1 双辊铸轧技术的产生及发展 | 第13-14页 |
| 1.2.2 双辊快速薄带坯铸轧技术开发状况 | 第14-16页 |
| 1.3 板形模式识别的研究进展 | 第16-19页 |
| 1.3.1 板形的基本概念 | 第16-17页 |
| 1.3.2 板形模式识别的方法 | 第17-19页 |
| 1.4 板形智能控制的发展 | 第19-23页 |
| 1.4.1 人工智能进入轧制领域的背景 | 第19-21页 |
| 1.4.2 人工智能在板形控制中的应用 | 第21-23页 |
| 1.5 人工神经网络模式识别与控制 | 第23-30页 |
| 1.5.1 人工神经网络的基本概念 | 第23-25页 |
| 1.5.2 神经网络模式识别研究 | 第25-29页 |
| 1.5.3 神经网络控制器研究 | 第29-30页 |
| 1.6 论文的主要研究内容 | 第30-33页 |
| 第二章 铸轧板形控制特性研究与方案设计 | 第33-46页 |
| 2.1 铸轧板形控制思路研究 | 第33-37页 |
| 2.1.1 铸轧板形形成机理分析 | 第33-35页 |
| 2.1.2 铸轧板形控制思路确定 | 第35-37页 |
| 2.2 铸嘴流场调控方案设计 | 第37-40页 |
| 2.3 激光板形检测方案设计 | 第40-43页 |
| 2.3.1 激光位移法板形检测原理 | 第40-41页 |
| 2.3.2 激光板形检测方法确定 | 第41-43页 |
| 2.4 铸轧板形控制总体方案设计 | 第43-44页 |
| 2.5 本章小结 | 第44-46页 |
| 第三章 基于BP网络的板形模式识别参数设计研究 | 第46-72页 |
| 3.1 标准板形模式的建立 | 第46-48页 |
| 3.2 BP神经网络算法 | 第48-53页 |
| 3.2.1 BP神经网络简述 | 第48-49页 |
| 3.2.2 BP神经网络快速算法 | 第49-53页 |
| 3.3 基于BP网络的板形模式识别建模 | 第53-56页 |
| 3.3.1 BP网络板形模式识别模型的建立 | 第53-55页 |
| 3.3.2 样本方案的设计 | 第55-56页 |
| 3.4 BP网络参数对板形模式识别性能影响的研究 | 第56-70页 |
| 3.4.1 快速BP算法网络性能对比 | 第57-59页 |
| 3.4.2 网络误差指标对网络性能的影响 | 第59-62页 |
| 3.4.3 网络初始权重对网络性能的影响 | 第62-65页 |
| 3.4.4 样本训练策略对网络性能的影响 | 第65-67页 |
| 3.4.5 隐层节点数对网络性能的影响 | 第67-70页 |
| 3.5 本章小结 | 第70-72页 |
| 第四章 基于多维空间优化方法的GA-BP板形模式识别研究 | 第72-99页 |
| 4.1 遗传算法概述 | 第72-76页 |
| 4.1.1 遗传算法基本概念 | 第72-73页 |
| 4.1.2 遗传算法的应用设计分析 | 第73-76页 |
| 4.2 基于遗传算法的BP网络初始权重多维空间优化方法研究 | 第76-85页 |
| 4.2.1 BP网络初始权重多维空间优化方法的基本思想 | 第77-79页 |
| 4.2.2 多维空间优化方法的实现 | 第79-85页 |
| 4.3 GA-BP网络板形模式识别研究 | 第85-97页 |
| 4.3.1 板形模式识别GA-BP模型的建立 | 第85-86页 |
| 4.3.2 遗传算法主要参数对优化效果影响规律研究 | 第86-91页 |
| 4.3.3 GA-BP网络板形模式识别效果分析 | 第91-97页 |
| 4.4 本章小结 | 第97-99页 |
| 第五章 基于GA-BP网络的铸轧板形预测控制研究 | 第99-115页 |
| 5.1 铸轧板形控制过程模型 | 第99-101页 |
| 5.1.1 铸轧板形控制过程模型的建立 | 第99-100页 |
| 5.1.2 基于GA-BP网络的铸轧板形系统辨识 | 第100-101页 |
| 5.2 铸轧板形预测控制模型研究 | 第101-109页 |
| 5.2.1 预测控制基本原理 | 第102-104页 |
| 5.2.2 基于GA-BP网络的板形在线预测模型的建立 | 第104-106页 |
| 5.2.3 板形在线控制规律的滚动优化 | 第106-107页 |
| 5.2.4 铸轧板形预测模型的实时反馈校正 | 第107-109页 |
| 5.3 GA-BP网络预测控制仿真研究 | 第109-113页 |
| 5.3.1 板形预测模型的仿真研究 | 第109-111页 |
| 5.3.2 板形预测控制的仿真研究 | 第111-113页 |
| 5.4 本章小结 | 第113-115页 |
| 第六章 板形控制工业试验研究 | 第115-144页 |
| 6.1 铸轧板形控制系统开发 | 第115-126页 |
| 6.1.1 激光板形检测装置的设计 | 第115-116页 |
| 6.1.2 金属流场控制系统设计开发 | 第116-118页 |
| 6.1.3 数据采集系统设计 | 第118-119页 |
| 6.1.4 板形控制系统软件设计与开发 | 第119-125页 |
| 6.1.5 铸轧板形控制系统技术集成 | 第125-126页 |
| 6.2 工业试验 | 第126-130页 |
| 6.2.1 工业试验简介 | 第126-128页 |
| 6.2.2 试验过程参数变化分析 | 第128-130页 |
| 6.3 板形控制系统模型工业试验验证 | 第130-142页 |
| 6.3.1 板形模式识别模型的验证 | 第130-136页 |
| 6.3.2 板形预测模型的验证 | 第136-142页 |
| 6.4 本章小结 | 第142-144页 |
| 第七章 全文总结 | 第144-148页 |
| 7.1 成果与结论 | 第144-147页 |
| 7.2 相关工作展望 | 第147-148页 |
| 参考文献 | 第148-156页 |
| 附表 超薄快速铜辊铸轧试验参数记录表 | 第156-159页 |
| 致谢 | 第159-160页 |
| 攻读博士学位期间主要的研究成果 | 第160页 |
