热轧带钢层流冷却过程控制方法的应用研究
| 独创性声明 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 绪论 | 第12-25页 |
| ·课题的研究背景 | 第12-13页 |
| ·层流冷却简介 | 第13-19页 |
| ·冷却技术的发展过程 | 第13-15页 |
| ·层流冷却的工作原理 | 第15页 |
| ·层流冷却设备布置简介 | 第15-16页 |
| ·层流冷却的冷却策略 | 第16-19页 |
| ·层流冷却控制技术的发展状况及其存在的问题 | 第19-23页 |
| ·层流冷却过程控制研究的重要性 | 第19页 |
| ·层流冷却过程控制方法简介 | 第19-20页 |
| ·层流冷却控制技术的发展状况 | 第20-21页 |
| ·层流冷却控制技术难点 | 第21-23页 |
| ·本文的研究目的及主要工作 | 第23-25页 |
| ·本文的研究目的 | 第23-24页 |
| ·问题原因分析 | 第24页 |
| ·本文的主要工作 | 第24-25页 |
| 第二章 层流冷却设备布置及数学模型 | 第25-37页 |
| ·层流冷却设备布置状况 | 第25-28页 |
| ·某热轧厂层流冷却系统改造前背景介绍 | 第25页 |
| ·改造后设备布置形式 | 第25-27页 |
| ·层流冷却的其它主要技术参数 | 第27-28页 |
| ·数学模型基础理论 | 第28-30页 |
| ·热传导 | 第28-29页 |
| ·对流换热 | 第29页 |
| ·辐射换热 | 第29-30页 |
| ·层流冷却过程控制数学模型 | 第30-36页 |
| ·空冷温降模型 | 第31-32页 |
| ·水冷温降模型 | 第32-34页 |
| ·带钢平均比热模型 | 第34-35页 |
| ·自学习模型 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 层流冷却过程控制系统及功能实现 | 第37-52页 |
| ·热轧带钢卷曲温度控制系统的控制目标 | 第37-38页 |
| ·控制系统设计 | 第38-40页 |
| ·控制系统结构 | 第38-39页 |
| ·控制逻辑 | 第39-40页 |
| ·功能实现 | 第40-49页 |
| ·计算准备功能的实现 | 第40-42页 |
| ·预设定计算功能的实现 | 第42-45页 |
| ·修正设定(前馈)功能实现 | 第45-47页 |
| ·反馈功能实现 | 第47-48页 |
| ·学习计算功能的实现 | 第48-49页 |
| ·应用分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 带有Smith预估器的层流冷却过程控制 | 第52-61页 |
| ·纯滞后系统的补偿原理 | 第52-54页 |
| ·纯滞后补偿控制算法的离散化 | 第54-56页 |
| ·Smith预估器在层流冷却控制过程中的应用 | 第56-58页 |
| ·仿真结果分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于BP神经网络的层流冷却过程控制 | 第61-81页 |
| ·人工神经网络简介 | 第62-66页 |
| ·人工神经网络基本思想及其发展 | 第62-63页 |
| ·人工神经网络的工作原理 | 第63-64页 |
| ·人工神经网络的主要功能特点 | 第64-66页 |
| ·BP神经网络 | 第66-70页 |
| ·人工神经网络的主要类型 | 第66页 |
| ·BP人工神经网络简介 | 第66-67页 |
| ·BP人工神经网络的算法原理 | 第67-70页 |
| ·BP神经网络在层流冷却过程控制中的应用 | 第70-77页 |
| ·多元回归法计算基本热流密度的局限性 | 第70-71页 |
| ·利用BP神经网络预报基本热流密度 | 第71-77页 |
| ·仿真结果分析 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 结论及展望 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86页 |
