| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-12页 |
| ·冷轧板形控制的研究背景 | 第9页 |
| ·国内外发展的现状 | 第9-10页 |
| ·选题的目的和意义 | 第10-12页 |
| 2 轧机的相关介绍 | 第12-20页 |
| ·冷轧机主流机型 | 第12-17页 |
| ·HC/UC 轧机 | 第12-13页 |
| ·CVC 技术 | 第13-16页 |
| ·液压胀形辊 DSR、VC 技术 | 第16-17页 |
| ·PC 轧机 | 第17页 |
| ·轧机控制板形的基本策略与实现方法 | 第17-19页 |
| ·柔性辊缝控制策略 | 第18页 |
| ·刚性辊缝控制策略 | 第18页 |
| ·保持辊形控制策略 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 板形基础知识 | 第20-40页 |
| ·板形的基本概念 | 第20-21页 |
| ·横截面凸度 | 第20页 |
| ·相对凸度 | 第20页 |
| ·相对延伸差 | 第20-21页 |
| ·板形的描述 | 第21-24页 |
| ·带钢横截面的描述 | 第21-22页 |
| ·带钢平坦度的描述 | 第22页 |
| ·板形平坦度良好的条件 | 第22-23页 |
| ·常见的板形缺陷模式 | 第23-24页 |
| ·影响板形的因素 | 第24-27页 |
| ·板形测量装置及相关理论 | 第27-32页 |
| ·ABB 带钢板形检测仪 | 第27-29页 |
| ·BFI 带钢板形检测仪 | 第29-32页 |
| ·板形控制系统 | 第32-39页 |
| ·板形调控的基本方法 | 第32-35页 |
| ·板形控制系统 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 4 人工神经网络 | 第40-47页 |
| ·神经网络特点简介 | 第40-41页 |
| ·误差反向传播（Error Back Propagation ,BP）神经网络 | 第41-45页 |
| ·误差反向传播神经网络结构 | 第41-42页 |
| ·误差反向传播学习算法 | 第42-45页 |
| ·本章小结 | 第45-47页 |
| 5 人工神经网络板形缺陷识别模型 | 第47-54页 |
| ·传统板形识别模型的建立 | 第47-48页 |
| ·基于 BP 网络的板形缺陷模式识别 | 第48-53页 |
| ·网络建立 | 第48-49页 |
| ·模型训练和仿真 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 6 基于 BP 神经网络的板形预测系统研究 | 第54-59页 |
| ·中间层节点的选取 | 第54页 |
| ·建立板形预测模型 | 第54-56页 |
| ·网络的训练 | 第56页 |
| ·网络的测试 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 附录A 板形模式缺陷辨识模型训练样本数据表 | 第62-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |