基于控制理论的热轧工艺优化设计
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-32页 |
| ·引言 | 第13-15页 |
| ·控制理论在钢材热加工领域应用的现状 | 第15-17页 |
| ·连续冷却过程中的相变 | 第17-21页 |
| ·可加性法则的有效性 | 第19-20页 |
| ·连续冷却相变动力学建模 | 第20-21页 |
| ·热轧组织-性能预测的智能模型 | 第21-23页 |
| ·BP神经网络的发展及应用现状 | 第21页 |
| ·贝叶斯神经网络的起源 | 第21-23页 |
| ·贝叶斯神经网络的应用现状 | 第23页 |
| ·热轧工艺优化设计的探索 | 第23-29页 |
| ·本文的研究思路、内容和意义 | 第29-32页 |
| ·研究思路 | 第29-30页 |
| ·研究内容 | 第30-31页 |
| ·研究意义 | 第31-32页 |
| 第2章 Nb微合金钢的铁素体相变 | 第32-53页 |
| ·实验方法 | 第32-34页 |
| ·实验材料和装置 | 第32-33页 |
| ·实验方案 | 第33-34页 |
| ·实验结果 | 第34-51页 |
| ·冷却过程热膨胀曲线 | 第34-36页 |
| ·孕育期计算 | 第36-37页 |
| ·相变动力学曲线 | 第37-42页 |
| ·变温相变到等温相变的动力学转换 | 第42-51页 |
| ·讨论 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第3章 TRIP钢和CP钢的连续冷却相变模型 | 第53-75页 |
| ·实验方法 | 第53-55页 |
| ·实验材料和设备 | 第53-54页 |
| ·实验方案 | 第54-55页 |
| ·实验结果 | 第55-74页 |
| ·热膨胀曲线的处理 | 第55-56页 |
| ·CP钢铁素体相变开始温度 | 第56-57页 |
| ·CP钢铁素体相变的停滞 | 第57-58页 |
| ·相变动力学建模 | 第58-73页 |
| ·铁素体晶粒直径 | 第73页 |
| ·贝氏体相变开始温度 | 第73-74页 |
| ·马氏体相变份数模型 | 第74页 |
| ·本章小结 | 第74-75页 |
| 第4章 热轧板带力学性能预测智能模型研究 | 第75-98页 |
| ·BP神经网络 | 第75-78页 |
| ·BP神经网络结构 | 第75-76页 |
| ·BP神经网络学习算法 | 第76-78页 |
| ·基于贝叶斯方法的神经网络 | 第78-86页 |
| ·贝叶斯推导 | 第78-81页 |
| ·超参数的确定 | 第81-83页 |
| ·网络输出的分布 | 第83-84页 |
| ·贝叶斯模型选择 | 第84-86页 |
| ·贝叶斯方法的算法实现 | 第86页 |
| ·热轧SPA-H力学性能预测 | 第86-97页 |
| ·参数选择与数据分析 | 第87-91页 |
| ·模型预测结果 | 第91-94页 |
| ·与传统BP神经网络应用效果对比 | 第94-97页 |
| ·本章小结 | 第97-98页 |
| 第5章 工艺-组织-性能的逆向优化 | 第98-118页 |
| ·粒子群优化算法 | 第98-100页 |
| ·粒子群优化算法原理 | 第99-100页 |
| ·粒子群算法参数分析 | 第100页 |
| ·多目标粒子群优化算法 | 第100-110页 |
| ·问题的描述与帕累托最优解 | 第101-103页 |
| ·快速非支配排序方法 | 第103-104页 |
| ·小生境技术—拥挤度 | 第104-105页 |
| ·精英策略 | 第105-106页 |
| ·改进的AWPSO算法 | 第106-108页 |
| ·标准ZDT函数测试 | 第108-110页 |
| ·工艺优化设计模型的建立 | 第110-116页 |
| ·基于相变模型的连续冷却工艺设计 | 第110-112页 |
| ·基于贝叶斯神经网络的工艺优化设计 | 第112-116页 |
| ·本章小结 | 第116-118页 |
| 第6章 结论 | 第118-120页 |
| 参考文献 | 第120-131页 |
| 致谢 | 第131-132页 |
| 攻读博士学位期间完成的论文 | 第132-133页 |
| 作者简介 | 第133页 |
