| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题背景 | 第10页 |
| 1.2 热连轧技术 | 第10-13页 |
| 1.2.1 铝合金热轧的特点 | 第10-11页 |
| 1.2.2 国内外热连轧概况 | 第11-13页 |
| 1.2.3 轧制过程的特点 | 第13页 |
| 1.3 轧制过程的数学模型 | 第13-15页 |
| 1.3.1 数学在轧制过程控制中的作用和特点 | 第13-14页 |
| 1.3.2 轧制过程的建模方法 | 第14-15页 |
| 1.4 人工神经网络在轧制领域的国内外研究现状 | 第15-16页 |
| 1.5 人工神经网络专家系统的研究现状 | 第16-17页 |
| 1.6 课题的研究目的、内容和技术路线 | 第17-20页 |
| 1.6.1 课题研究的目的 | 第17页 |
| 1.6.2 课题研究的内容 | 第17页 |
| 1.6.3 课题的技术路线 | 第17-20页 |
| 2 铝合金宽幅板带材质量影响因素分析 | 第20-26页 |
| 2.1 板厚质量分析 | 第20-23页 |
| 2.1.1 轧机弹跳方程和弹塑性曲线 | 第20-22页 |
| 2.1.2 板带材厚度波动的原因分析 | 第22-23页 |
| 2.2 板形质量分析 | 第23-24页 |
| 2.2.1 板形的影响因素 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 3 基于人工神经网络的铝合金宽幅中厚板厚度预测模型 | 第26-38页 |
| 3.1 人工神经网络 | 第26-29页 |
| 3.1.1 人工神经元模型和网络结构 | 第26-27页 |
| 3.1.2 BP神经网络模型 | 第27-29页 |
| 3.2 铝合金宽幅板带材厚度预测模型结构 | 第29-30页 |
| 3.3 预测模型的仿真实现 | 第30-32页 |
| 3.3.1 样本的选择以及预处理 | 第30页 |
| 3.3.2 激活函数及训练参数的选择 | 第30-31页 |
| 3.3.3 隐含层神经元数目的确定 | 第31-32页 |
| 3.4 模型的结果及应用 | 第32-36页 |
| 3.4.1 模型的训练结果 | 第32-35页 |
| 3.4.2 模型的应用 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 铝合金的流变应力预测模型 | 第38-58页 |
| 4.1 试验方案 | 第38页 |
| 4.2 5083铝合金高温压缩真应力—真应变曲线 | 第38-39页 |
| 4.3 铝合金热变形流变应力本构方程 | 第39-49页 |
| 4.3.1 应变补偿的包含Z参数本构方程 | 第40-41页 |
| 4.3.2 材料常数的确定 | 第41-44页 |
| 4.3.3 应变补偿 | 第44-47页 |
| 4.3.4 本构方程预测能力的验证 | 第47-49页 |
| 4.4 神经网络模型的建立和预测 | 第49-55页 |
| 4.4.1 流变应力神经网络预测模型结构 | 第49页 |
| 4.4.2 BP神经网络模型的仿真实现 | 第49-50页 |
| 4.4.3 模型的结果 | 第50-53页 |
| 4.4.4 人工神经网络模型预测能力的验证 | 第53-55页 |
| 4.5 本构方程与ANN模型预测能力的比较 | 第55-56页 |
| 4.6 小结 | 第56-58页 |
| 5 铝合金宽幅板带材性能预测专家系统的实现及应用 | 第58-72页 |
| 5.1 系统的总体结构和开发工具 | 第58-59页 |
| 5.2 系统知识库与人机交互界面的耦合 | 第59-61页 |
| 5.2.1 Matlab引擎 | 第59页 |
| 5.2.2 在 C | 第59-60页 |
| 5.2.3 C | 第60-61页 |
| 5.3 人机交互界面的实现 | 第61-66页 |
| 5.3.1 专家系统主界面 | 第61-62页 |
| 5.3.2 系统应用模块 | 第62-66页 |
| 5.4 铝合金宽幅板带材性能预测专家系统的应用 | 第66-70页 |
| 5.4.1 实验设计 | 第67页 |
| 5.4.2 结果分析 | 第67-70页 |
| 5.5 本章小结 | 第70-72页 |
| 6 结论与展望 | 第72-74页 |
| 6.1 主要结论 | 第72页 |
| 6.2 后续工作的展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
| A 作者在攻读学位期间发表的论文目录： | 第80页 |