| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 双机架炉卷轧机的发展概况 | 第10-12页 |
| 1.2 双机架炉卷轧机的结构和轧制工艺流程 | 第12-14页 |
| 1.3 国内外神经网络预测轧制力的研究现状 | 第14-16页 |
| 1.4 本文研究背景、意义及其主要内容 | 第16-18页 |
| 1.5 论文组织结构 | 第18-20页 |
| 第二章 双机架炉卷轧机轧制力数学模型 | 第20-34页 |
| 2.1 轧制力数学模型的概况 | 第20-22页 |
| 2.1.1 热轧理论数学模型的发展状况 | 第20页 |
| 2.1.2 轧制力数学模型的作用 | 第20-21页 |
| 2.1.3 影响轧制力的参数变量 | 第21-22页 |
| 2.2 轧制变形区基本工艺参数 | 第22-23页 |
| 2.3 轧制压力模型的理论基础 | 第23-29页 |
| 2.4 轧制前后基本规律 | 第29-33页 |
| 2.4.1 轧制前后轧件体积不变定律 | 第29-30页 |
| 2.4.2 轧制前后流量恒定定律 | 第30-32页 |
| 2.4.3 轧制压力F及压下位置的控制关系 | 第32-33页 |
| 2.4.5 轧件塑性变形阻力 | 第33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 BP神经网络模型预测双机架炉卷轧机轧制力 | 第34-50页 |
| 3.1 神经网络概述 | 第34页 |
| 3.2 BP神经网络 | 第34-40页 |
| 3.2.1 BP网络的算法结构 | 第34-36页 |
| 3.2.2 BP网络的学习算法原理 | 第36-39页 |
| 3.2.3 BP网络算法流程 | 第39-40页 |
| 3.3 BP神经网络预测双机架炉卷轧机轧制力 | 第40-44页 |
| 3.3.1 BP网络轧制力模型的建立步骤 | 第40-41页 |
| 3.3.2 BP网络输入输出层节点数的确定 | 第41页 |
| 3.3.3 BP网络隐含层神经元节点数的确定 | 第41-43页 |
| 3.3.4 BP神经网络预测轧制力参数设定 | 第43-44页 |
| 3.4 轧制力样本测试及仿真结果分析 | 第44-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 PSO-BP神经网络预测双机架炉卷轧机轧制力 | 第50-64页 |
| 4.1 概述 | 第50页 |
| 4.2 PSO算法原理 | 第50-51页 |
| 4.3 PSO算法数学描述 | 第51-52页 |
| 4.4 PSO算法的参数设定 | 第52-53页 |
| 4.5 PSO算法优化流程 | 第53-55页 |
| 4.6 PSO-BP混合算法在炉卷轧机轧制力预测中的应用 | 第55-61页 |
| 4.6.1 PSO算法优化BP网络的权值 | 第55-56页 |
| 4.6.2 PSO-BP混合算法流程 | 第56-58页 |
| 4.6.3 PSO-BP网络预测轧制力 | 第58页 |
| 4.6.4 PSO-BP预测轧制力仿真及结果分析 | 第58-61页 |
| 4.7 本章小结 | 第61-64页 |
| 第五章 改进的PSO-BP算法在轧制力预测中的应用 | 第64-74页 |
| 5.1 引入惯性权重因子 | 第64-65页 |
| 5.2 改进粒子群算法和BP神经网络算法相融合 | 第65-67页 |
| 5.3 改进的PSO-BP网络融合算法流程 | 第67-68页 |
| 5.4 改进的PSO-BP算法对轧制力的预测及结果分析 | 第68-71页 |
| 5.5 本章总结 | 第71-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 附录: 攻读硕士学位期间的科研成果 | 第84页 |
