基于Elman网络的HC轧机板形识别与控制
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景和研究的意义 | 第10页 |
| ·基于人工智能的板形模式识别与控制研究现状 | 第10-13页 |
| ·板形模式识别的研究现状 | 第10-12页 |
| ·板形控制技术的研究现状 | 第12-13页 |
| ·板形控制的未来发展 | 第13-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 第2章 板形理论与神经网络基础 | 第16-22页 |
| ·板形概念 | 第16-20页 |
| ·板形定义与表示方法 | 第16-18页 |
| ·板形良好的条件与主要影响因素 | 第18-19页 |
| ·板形控制基本手段 | 第19-20页 |
| ·神经网络基础 | 第20-21页 |
| ·局部反馈神经网络 | 第20-21页 |
| ·优化方法与神经网络的结合 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 板形模式识别系统设计 | 第22-30页 |
| ·板形模式识别的基本原理 | 第22页 |
| ·板形标准模式的建立 | 第22-24页 |
| ·基于Elman 网络板形模式识别系统设计 | 第24-29页 |
| ·板形模式识别的网络模型选择 | 第24-25页 |
| ·基于Elman 网络的板形模式识别系统 | 第25页 |
| ·识别效果对比分析 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于动态影响矩阵的板形控制方法 | 第30-50页 |
| ·板形预测模型的建立 | 第30-43页 |
| ·基于优化理论的神经网络预测模型 | 第32-40页 |
| ·仿真结果分析 | 第40-43页 |
| ·板形动态影响矩阵控制系统设计 | 第43-48页 |
| ·影响矩阵的建立 | 第43-47页 |
| ·动态影响矩阵的板形控制过程 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 900HC 轧机动态影响矩阵法仿真应用 | 第50-63页 |
| ·HC 轧机结构特点及板形控制手段 | 第50-54页 |
| ·HC 轧机结构特点 | 第50-52页 |
| ·HC 轧机板形控制手段 | 第52-54页 |
| ·900HC 轧机工作参数 | 第54-55页 |
| ·板形控制动态影响矩阵法仿真应用 | 第55-62页 |
| ·板形预测模型在900HC 轧机上的仿真应用 | 第55页 |
| ·动态影响矩阵方法在900HC 轧机上的仿真应用 | 第55-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
