热连轧数学模型自学习研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·热连轧数学模型自学习的国内外研究现状 | 第12-15页 |
| ·本文的主要工作 | 第15-17页 |
| 第2章 热连轧数学模型建模及其自学习 | 第17-33页 |
| ·过程控制系统主要数学模型 | 第17-28页 |
| ·轧制力模型 | 第18-23页 |
| ·轧制温度模型 | 第23-28页 |
| ·热连轧数学模型应用及模型自学习实现过程 | 第28-32页 |
| ·道次预计算 | 第29-30页 |
| ·入口修正 | 第30页 |
| ·道次后计算及自适应 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 热连轧数学模型自学习方法研究 | 第33-49页 |
| ·指数平滑系数法 | 第33-36页 |
| ·指数平滑系数法基本原理 | 第33-35页 |
| ·指数平滑系数法在温度模型中的应用 | 第35-36页 |
| ·神经网络MA4理论基础 | 第36-41页 |
| ·多自适应线性单元简介 | 第36-38页 |
| ·神经网络MA4结构 | 第38-41页 |
| ·基于神经网络的自学习算法设计 | 第41-47页 |
| ·基于神经网络的自学习算法设计过程 | 第41-45页 |
| ·MA4输入输出归一化处理 | 第45-47页 |
| ·MA4输入输出反归一化处理 | 第47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于神经网络的自学习算法实现 | 第49-73页 |
| ·MA4离线训练过程 | 第49-51页 |
| ·离线训练关键步骤的实现算法分析 | 第51-61页 |
| ·调整回归部分的权值及阈值算法分析 | 第51-53页 |
| ·聚类算法计算隐含层线性单元个数及中心点值 | 第53-58页 |
| ·用梯度下降法训练神经网络 | 第58-60页 |
| ·计算平滑度最优值 | 第60-61页 |
| ·轧制力模型自学习算法设计与实现 | 第61-67页 |
| ·神经网络配置及训练过程 | 第62-65页 |
| ·轧制力模型自学习实现过程 | 第65-67页 |
| ·仿真实验 | 第67-71页 |
| ·本章小结 | 第71-73页 |
| 第5章 总结与展望 | 第73-75页 |
| ·本文总结 | 第73页 |
| ·研究展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81页 |
