| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 引言 | 第6-8页 |
| 1．1 课题来源 | 第6页 |
| 2．2 研究意义 | 第6-8页 |
| 第一章 综述 | 第8-21页 |
| 1．1 带钢冷轧生产与轧制理论的发展 | 第8-11页 |
| 1．1．1 带钢冷轧生产 | 第8页 |
| 1．1．2 轧制理论发展的历史 | 第8-9页 |
| 1．1．3 传统轧制理论的缺陷 | 第9-10页 |
| 1．1．4 现代轧制技术的特点 | 第10-11页 |
| 1．2 人工神经网络的发展概况及其在轧制领域的应用 | 第11-20页 |
| 1．2．1 人工神经网络的发展概况 | 第11-14页 |
| 1．2．2 人工神经网络及其在轧制领域的应用 | 第14-20页 |
| 1．2．2．1 国外人工神经网络在轧制领域的应用 | 第16-18页 |
| 1．2．2．2 国内人工神经网络在轧制领域的应用 | 第18-20页 |
| 1．3 本文的研究内容及特点 | 第20-21页 |
| 第二章 带钢冷轧轧制压力数学模型 | 第21-30页 |
| 2．1 轧制压力数学模型在轧制过程中的作用 | 第21页 |
| 2．2 冷轧带钢轧制力模型 | 第21-30页 |
| 2．2．1 冷轧轧制压力一般公式 | 第21-25页 |
| 2．2．2 采利柯夫公式 | 第25-30页 |
| 第三章 人工神经网络 | 第30-40页 |
| 3．1 人工神经网络基本理论 | 第30-32页 |
| 3．1．1 人工神经网络的处理单元 | 第30-31页 |
| 3．1．2 人工神经网络的类型 | 第31页 |
| 3．1．3 人工神经网络的学习方法 | 第31-32页 |
| 3．2 BP误差反向传播神经网络 | 第32-35页 |
| 3．2．1 BP算法 | 第32-34页 |
| 3．2．2 BP算法的计算流程 | 第34-35页 |
| 3．2．3 BP算法的改进 | 第35页 |
| 3．3 BP网络的设计 | 第35-38页 |
| 3．3．1 输入输出变量的选择 | 第35-36页 |
| 3．3．2 网络结构和参数的确定 | 第36-38页 |
| 3．4 人工神经网络的定性结论 | 第38-40页 |
| 第四章 预报研究 | 第40-57页 |
| 4．1 开发工具简介 | 第40-42页 |
| 4．1．1 VB简介 | 第40-41页 |
| 4．1．2 MATLAB简介 | 第41-42页 |
| 4．2 预报研究 | 第42-55页 |
| 4．2．1 数据实测收集及处理 | 第42-45页 |
| 4．2．1．1 现场条件概述 | 第42-44页 |
| 4．2．1．2 现场实测数据的收集及处理 | 第44-45页 |
| 4．2．2 预报方案 | 第45-54页 |
| 4．2．2．1 方案一 柯洛辽夫公式预报带钢冷轧轧制力 | 第45-47页 |
| 4．2．2．2 方案二 BP神经网络预报 | 第47-54页 |
| 4．2．3 预报方案结果比较图表 | 第54-55页 |
| 4．3 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |