| 摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 第1章 绪论 | 第11-22页 |
| ·课题来源 | 第11页 |
| ·课题研究的背景和意义 | 第11-13页 |
| ·板形的理论知识 | 第13-17页 |
| ·板形的定义 | 第13-14页 |
| ·板凸度的基本概念 | 第14页 |
| ·平直度的基本概念 | 第14-16页 |
| ·良好板形的几何条件 | 第16页 |
| ·影响板形的主要因素 | 第16-17页 |
| ·板形控制技术的发展概况 | 第17-19页 |
| ·课题研究的主要内容 | 第19-20页 |
| ·论文的整体结构 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第2章 板形控制有限元建模及分析 | 第22-48页 |
| ·非线性有限元软件概述 | 第22-26页 |
| ·非线性有限元软件简介 | 第22-23页 |
| ·ANSYS/LS-DYNA的基本概念 | 第23页 |
| ·ANSYS/LS-DYNA的功能特点 | 第23-25页 |
| ·ANSYS/LS-DYNA的应用领域 | 第25页 |
| ·ANSYS/LS-DYNA分析的基本流程 | 第25-26页 |
| ·板形控制有限元分析模型 | 第26-32页 |
| ·现场数据的采集与处理 | 第26-27页 |
| ·定义材料属性 | 第27-29页 |
| ·几何模型和网格划分 | 第29-30页 |
| ·定义接触 | 第30-31页 |
| ·定义边界条件及初始条件 | 第31-32页 |
| ·板带轧制有限元模型模拟结果分析 | 第32-36页 |
| ·有限元模型的求解 | 第32页 |
| ·板带轧制整体模拟结果分析 | 第32-34页 |
| ·板带材模拟结果分析 | 第34-35页 |
| ·轧辊模拟结果分析 | 第35-36页 |
| ·板凸度影响因素分析 | 第36-47页 |
| ·板带宽度对板凸度的影响 | 第36-38页 |
| ·工作辊直径对板凸度的影响 | 第38-39页 |
| ·支撑辊直径对板凸度的影响 | 第39-40页 |
| ·工作辊弯辊力对板凸度的影响 | 第40-41页 |
| ·支撑辊弯辊力对板凸度的影响 | 第41-42页 |
| ·工作辊凸度对板凸度的影响 | 第42-43页 |
| ·支撑辊凸度对板凸度的影响 | 第43-45页 |
| ·工作辊窜辊对板凸度的影响 | 第45-46页 |
| ·支撑辊窜辊对板凸度的影响 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第3章 基于 BP 神经网络的板形预测模型的建立 | 第48-60页 |
| ·神经网络技术的概述及应用 | 第48-51页 |
| ·神经网络技术的基本概念 | 第48-49页 |
| ·人工神经网络的模型 | 第49-50页 |
| ·神经网络的学习算法 | 第50页 |
| ·神经网络在板形预测控制中的应用研究 | 第50-51页 |
| ·基于 BP 神经网络的板形预测模型 | 第51-57页 |
| ·BP 神经网络的基本概念 | 第51-52页 |
| ·BP 神经网络的学习算法 | 第52-56页 |
| ·BP 神经网络的学习算法步骤 | 第56-57页 |
| ·基于 BP 神经网络的板形预测模型的设计 | 第57-59页 |
| ·输入输出变量的选择 | 第57页 |
| ·BP 神经网络模型的网络结构确认 | 第57-58页 |
| ·激活函数的选择 | 第58-59页 |
| ·BP 神经网络有关常数的确定 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第4章 有限元与 BP 网络结合的板形在线预报应用实例 | 第60-68页 |
| ·板形在线预报总体方案 | 第60页 |
| ·数据的处理 | 第60-62页 |
| ·BP 网络的训练与计算结果 | 第62-65页 |
| ·与传统计算方法的比较 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第5章 主要参数对板凸度影响的工程验证 | 第68-75页 |
| ·2800 四辊板带冷轧机简介 | 第68-69页 |
| ·工程验证所用材料参数 | 第69页 |
| ·工程验证方案与目的 | 第69页 |
| ·工程验证测试结果分析 | 第69-74页 |
| ·本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82页 |