| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 热连轧带钢轧制技术的现状与发展 | 第10-11页 |
| 1.1.1 热连轧带钢轧制技术在国内外的现状 | 第10页 |
| 1.1.2 热连轧带钢厚度控制技术的发展 | 第10-11页 |
| 1.1.3 热连轧带钢厚度自动控制方式 | 第11页 |
| 1.2 粒子群算法的产生与改进 | 第11-13页 |
| 1.2.1 粒子群算法的产生 | 第11-12页 |
| 1.2.2 粒子群算法的改进概况 | 第12-13页 |
| 1.3 人工神经网络概述 | 第13-15页 |
| 1.4 课题的研究意义 | 第15页 |
| 1.5 课题的主要研究内容 | 第15-17页 |
| 第2章 带钢厚度控制的研究 | 第17-25页 |
| 2.1 热连轧带钢生产工艺 | 第17-20页 |
| 2.2 厚度控制基本理论 | 第20-23页 |
| 2.2.1 轧制弹跳现象 | 第20-21页 |
| 2.2.2 轧机弹塑曲线 | 第21-22页 |
| 2.2.3 板带厚度波动的原因 | 第22页 |
| 2.2.4 厚度控制的基本方式 | 第22-23页 |
| 2.3 基本的AGC及其控制原理 | 第23-24页 |
| 2.3.1 厚度计式AGC控制原理 | 第23页 |
| 2.3.2 张力AGC控制原理 | 第23-24页 |
| 2.3.3 监控AGC控制原理 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 混沌粒子群算法的改进研究 | 第25-35页 |
| 3.1 基本粒子群算法 | 第25-29页 |
| 3.1.1 基本粒子群优化算法的框架 | 第25-26页 |
| 3.1.2 基本粒子群优化算法的设计步骤 | 第26-27页 |
| 3.1.3 基本粒子群优化算法的原理及流程 | 第27-29页 |
| 3.2 混沌粒子群优化算法 | 第29-34页 |
| 3.2.1 混沌及其特性 | 第30页 |
| 3.2.2 混沌算法基本思想及流程 | 第30-32页 |
| 3.2.3 算法测试与结果分析 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 混沌粒子群算法优化神经网络 | 第35-47页 |
| 4.1 BP神经网络模型 | 第35-39页 |
| 4.1.1 BP网络的拓扑结构 | 第36页 |
| 4.1.2 BP网络算法 | 第36-39页 |
| 4.2 混沌粒子群算法优化BP神经网络的原理及设计 | 第39-41页 |
| 4.2.1 混沌粒子群算法优化神经网络的优点 | 第40页 |
| 4.2.2 神经网络的结构设计 | 第40-41页 |
| 4.2.3 CPSO优化神经网络参数 | 第41页 |
| 4.3 混沌粒子群优化BP神经网络的运算步骤 | 第41-42页 |
| 4.4 仿真试验 | 第42-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 CPSO神经网络的PID控制系统及仿真 | 第47-57页 |
| 5.1 常规PID控制器 | 第47-49页 |
| 5.2 CPSO神经网络优化PID控制器 | 第49-51页 |
| 5.3 CPSO神经网络优化PID的AGC系统 | 第51-53页 |
| 5.4 仿真结果与分析 | 第53-56页 |
| 5.4.1 系统快速性比较 | 第54页 |
| 5.4.2 系统抗干扰性比较 | 第54页 |
| 5.4.3 系统鲁棒性比较 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 导师简介 | 第63-64页 |
| 作者简介 | 第64-65页 |
| 学位论文数据集 | 第65页 |