| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景 | 第10-12页 |
| ·智能方法在板形控制中的应用现状 | 第12-16页 |
| ·神经网络在板形控制中的应用现状 | 第13-14页 |
| ·模糊控制在板形控制中的应用现状 | 第14-15页 |
| ·云模型研究的现状与展望 | 第15-16页 |
| ·课题研究意义 | 第16页 |
| ·本课题主要研究内容 | 第16-18页 |
| 第2章 云模型理论 | 第18-29页 |
| ·云模型简介 | 第18-19页 |
| ·云的定义及数字特征 | 第19-22页 |
| ·云的基本定义 | 第19-20页 |
| ·云的数字特征 | 第20-22页 |
| ·云模型对定性概念的贡献 3En 规则 | 第22页 |
| ·云发生器 | 第22-26页 |
| ·正向云发生器 | 第22-24页 |
| ·逆向云发生器 | 第24-25页 |
| ·条件云发生器 | 第25-26页 |
| ·云模型的不确定性推理 | 第26-28页 |
| ·单条件单规则云发生器 | 第27页 |
| ·单条件多规则云发生器 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于云模糊神经液压弯辊板形控制系统设计 | 第29-51页 |
| ·液压弯辊板形模糊控制 | 第29-36页 |
| ·模糊控制系统概述 | 第29-30页 |
| ·液压弯辊板形模糊控制系统的设计 | 第30-36页 |
| ·基于二维云模型的液压弯辊板形控制系统 | 第36-41页 |
| ·控制系统输入和输出云化 | 第37-39页 |
| ·控制系统规则库设计 | 第39-40页 |
| ·控制系统规则发生器 | 第40-41页 |
| ·云模糊神经集成的液压弯辊控制系统 | 第41-47页 |
| ·云概念的“软与”方法 | 第41-42页 |
| ·BP 神经网络 | 第42-45页 |
| ·基于云模糊神经集成的液压弯辊板形控制系统设计 | 第45-47页 |
| ·基于云模糊神经液压弯辊板形控制策略的仿真实验 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于 GA 优化的云模型 PID 液压弯辊控制 | 第51-75页 |
| ·液压弯辊系统 | 第51-54页 |
| ·常规 PID 控制方法 | 第54-56页 |
| ·常规 PID 控制原理 | 第54-55页 |
| ·数字 PID 控制算法 | 第55-56页 |
| ·云模型 PID 控制器的设计 | 第56-61页 |
| ·云模型 PID 控制器输入和输出云化 | 第57-59页 |
| ·云模型 PID 控制器规则设计 | 第59-61页 |
| ·基于遗传算法优化云模型 PID 控制方法 | 第61-70页 |
| ·遗传算法简介 | 第62-64页 |
| ·遗传算法优化云模型 PID 隶属云的流程 | 第64-70页 |
| ·基于遗传算法优化云模型 PID 的仿真实验 | 第70-74页 |
| ·仿真对象的选择 | 第70页 |
| ·系统仿真结果 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83页 |