| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-25页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 带钢卷取温度控制系统的作用及目标 | 第9-10页 |
| 1.3 带钢卷取温度控制影响因素 | 第10-12页 |
| 1.4 热轧带钢厂冷却设备的发展现状及特点 | 第12-13页 |
| 1.5 现有的卷取温度控制模型及其特点 | 第13-21页 |
| 1.6 带钢卷取温度控制技术和冷却设备的发展现状 | 第21-24页 |
| 1.6.1 国外的发展现状 | 第21-23页 |
| 1.6.2 国内的发展现状 | 第23-24页 |
| 1.7 课题研究内容 | 第24-25页 |
| 2 新钢 1580mm 热连轧带钢卷取温度控制系统概况 | 第25-32页 |
| 2.1 层流冷却装置介绍 | 第25-27页 |
| 2.2 控制层流冷却系统的方法 | 第27-28页 |
| 2.3 层流冷却系统的人机接口系统(HMI) | 第28-31页 |
| 2.3.1 HMI 功能介绍 | 第28-29页 |
| 2.3.2 HMI 画面介绍 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 带钢卷取温度控制系统的数学模型 | 第32-42页 |
| 3.1 模型的类型 | 第32-33页 |
| 3.2 模型的建立方法 | 第33-37页 |
| 3.3 数学模型 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 带钢卷取温度的控制方法 | 第42-48页 |
| 4.1 控制过程简述 | 第42-44页 |
| 4.2 控制算法 | 第44-46页 |
| 4.3 智能系统运行试验 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 人工神经网络在带钢卷取温度控制中的应用 | 第48-63页 |
| 5.1 人工神经网络在卷取温度控制中的作用 | 第48页 |
| 5.2 BP 神经网络 | 第48-57页 |
| 5.2.1 BP 神经网络简介 | 第48-52页 |
| 5.2.2 BP 神经网络算法 | 第52-55页 |
| 5.2.3 BP 神经网络存在的缺陷及改进措施 | 第55-57页 |
| 5.3 BP 神经网络在带钢卷取温度中的应用 | 第57-62页 |
| 5.3.1 网络结构的确定 | 第57-59页 |
| 5.3.2 网络的训练和试验 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 硕士研究生学习阶段发表论文 | 第68页 |