| 摘要 | 第1-8页 |
| ABSTRACT | 第8-13页 |
| 第一章 绪论 | 第13-33页 |
| ·板形板厚控制技术的发展现状 | 第15-24页 |
| ·板形板厚控制技术 | 第15-20页 |
| ·板形板厚控制技术发展现状综述 | 第20-22页 |
| ·智能控制方法在板形板厚控制系统中的应用综述 | 第22-24页 |
| ·智能自适应解耦控制的发展 | 第24-30页 |
| ·本课题研究背景及主要研究内容 | 第30-31页 |
| ·章节安排 | 第31-33页 |
| 第二章 板形板厚综合控制系统的基本概念及数学模型 | 第33-51页 |
| ·板形板厚控制基本概念 | 第33-35页 |
| ·板形板厚相关模型及参数的计算 | 第35-42页 |
| ·轧制力模型 | 第35-37页 |
| ·能耗模型 | 第37-39页 |
| ·温降模型 | 第39页 |
| ·速度设定模型 | 第39-41页 |
| ·辊缝设定模型 | 第41页 |
| ·弯辊力设定模型 | 第41-42页 |
| ·板形板厚综合控制系统模型 | 第42-48页 |
| ·弹跳方程 | 第42-43页 |
| ·辊缝方程 | 第43-45页 |
| ·厚度控制数学模型 | 第45-47页 |
| ·板形控制数学模型 | 第47-48页 |
| ·模型仿真及实际应用 | 第48-50页 |
| ·精轧模型仿真计算 | 第48-49页 |
| ·实际应用 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 遗传算法及其改进 | 第51-78页 |
| ·遗传算法的基本思想和方法 | 第52-55页 |
| ·遗传算法的基本思想 | 第52-54页 |
| ·遗传算法优化的基本特点 | 第54-55页 |
| ·遗传算法的实现步骤 | 第55-60页 |
| ·遗传算法的基本操作方法 | 第55页 |
| ·遗传算法实现的一般步骤及具体操作方法 | 第55-60页 |
| ·遗传算法的特性分析 | 第60-66页 |
| ·遗传算法参数的选择原则 | 第60页 |
| ·遗传算法的收敛性分析 | 第60-66页 |
| ·遗传算法的改进——自适应竞争遗传算法(ACGA) | 第66-70页 |
| ·遗传算法优化的仿真实验 | 第70-76页 |
| ·本章小结 | 第76-78页 |
| 第四章 基于ACGA的板形板厚综合系统解耦PID控制 | 第78-98页 |
| ·PID控制算法及参数选择 | 第79-82页 |
| ·AGC-ASC综合系统多变量解耦PID控制 | 第82-88页 |
| ·多变量系统的耦合程度分析 | 第82-84页 |
| ·解耦控制系统的设计 | 第84-87页 |
| ·基于ACGA的解耦PID控制 | 第87-88页 |
| ·适应度函数的确定 | 第88-90页 |
| ·仿真验证 | 第90-97页 |
| ·本章小结 | 第97-98页 |
| 第五章 基于ACGA的板形板厚综合系统多变量神经网络解耦控制 | 第98-129页 |
| ·神经网络的研究进展 | 第98-100页 |
| ·神经网络的基本原理 | 第100-101页 |
| ·神经元的数学模型 | 第100页 |
| ·神经元的特性 | 第100-101页 |
| ·神经网络的学习方式 | 第101页 |
| ·BP神经网络及其信息处理 | 第101-104页 |
| ·BP网络基本结构 | 第102页 |
| ·BP网络算法 | 第102-104页 |
| ·BP网络模型的几种改进方法 | 第104-105页 |
| ·神经网络应用及各网络参数确定原则 | 第105-107页 |
| ·多变量神经网络解耦控制 | 第107-118页 |
| ·多变量系统结构 | 第107-109页 |
| ·PID神经网络计算方法 | 第109-113页 |
| ·PID神经网络解耦控制机理及系统构成 | 第113-118页 |
| ·基于ACGA的多边量神经网络解耦控制 | 第118-125页 |
| ·遗传算法与神经网络相结合的优势 | 第118-120页 |
| ·基于遗传算法的PID神经网络优化设计 | 第120-122页 |
| ·基于ACGA的PID神经网络解耦控制仿真 | 第122-125页 |
| ·基于ACGA的PID神经网络解耦控制的实际应用 | 第125-127页 |
| ·本章小结 | 第127-129页 |
| 第六章 基于ACGA的板形板厚综合系统神经网络解耦预测控制 | 第129-153页 |
| ·预测控制 | 第130-139页 |
| ·预测控制的理论及方法 | 第130-135页 |
| ·参考轨线的改进—自适应参考轨线算法 | 第135-137页 |
| ·预测控制性能分析 | 第137-139页 |
| ·神经网络解耦预测控制 | 第139-143页 |
| ·模型预测 | 第140-141页 |
| ·反馈校正 | 第141页 |
| ·参考轨迹 | 第141页 |
| ·滚动优化计算 | 第141-143页 |
| ·板形板厚神经网络解耦预测控制 | 第143-146页 |
| ·板形板厚预测及控制 | 第143-144页 |
| ·BP神经网络板形板厚预测模型的建立 | 第144-146页 |
| ·基于ACGA的BP神经网络板形板厚解耦预测控制 | 第146-149页 |
| ·预测模型建立 | 第146-147页 |
| ·基于ACGA的BP神经网络板形板厚解耦预测控制的设计 | 第147-149页 |
| ·实际运行试验 | 第149-151页 |
| ·本章小结 | 第151-153页 |
| 第七章 板形板厚智能自适应解耦综合控制系统的开发与应用 | 第153-169页 |
| ·板形板厚系统构成 | 第153-155页 |
| ·系统主要硬件 | 第155-157页 |
| ·凸度仪 | 第155-156页 |
| ·平坦度仪 | 第156-157页 |
| ·测厚仪 | 第157页 |
| ·系统软件开发 | 第157-163页 |
| ·板形控制模型 | 第158-160页 |
| ·板厚控制模型 | 第160-163页 |
| ·板形板厚综合控制应用及其分析 | 第163-167页 |
| ·本章小结 | 第167-169页 |
| 第八章 总结与展望 | 第169-172页 |
| ·全文总结 | 第169-171页 |
| ·今后工作展望 | 第171-172页 |
| 参考文献 | 第172-180页 |
| 附录1 运用本文方法优化的某规格轧制规程 | 第180-181页 |
| 附录2 博士期间发表论文及完成科研项目列表 | 第181-183页 |
| 致谢 | 第183页 |
