| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-27页 |
| ·课题研究的背景和意义 | 第11-12页 |
| ·连轧轧制理论与棒材连轧技术发展概述 | 第12-18页 |
| ·轧制理论发展概述 | 第12-13页 |
| ·棒材连轧的发展状况 | 第13-15页 |
| ·棒材轧制技术的特点 | 第15页 |
| ·钛合金棒材生产现状 | 第15-18页 |
| ·钛合金棒材轧制方式 | 第18页 |
| ·智能优化控制在轧制领域的应用研究综述 | 第18-25页 |
| ·国内研究综述 | 第20-23页 |
| ·国外研究综述 | 第23-25页 |
| ·本文的主要研究内容和创新 | 第25-26页 |
| ·本文研究内容 | 第25页 |
| ·本文的创新 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第二章 钛合金棒材连轧系统组成及轧制过程建模研究 | 第27-43页 |
| ·钛合金棒材连轧系统组成 | 第27-31页 |
| ·钛合金棒材连轧系统各组成部分简述 | 第28-31页 |
| ·总体结构框图 | 第31页 |
| ·直流电动机模型研究 | 第31-34页 |
| ·它励直流电动机的机械特性 | 第32-33页 |
| ·直流电动机的数学模型 | 第33-34页 |
| ·轧制过程模型研究 | 第34-42页 |
| ·前滑和后滑模型 | 第34-35页 |
| ·连轧张力模型 | 第35-37页 |
| ·轧制力模型 | 第37-38页 |
| ·变形抗力模型 | 第38-40页 |
| ·轧制力矩模型 | 第40页 |
| ·温度计算模型 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第三章 基于NMPSO算法优化速度PID的粗轧机控制及补偿研究 | 第43-63页 |
| ·钛合金棒材轧机速度控制方案 | 第43-45页 |
| ·粗轧机速度控制模型与负载扰动仿真 | 第45-47页 |
| ·PID算法 | 第47-50页 |
| ·PID控制的基本形式及数字化 | 第47-49页 |
| ·PID控制算法实现方式比较 | 第49-50页 |
| ·基于NMPSO算法的粗轧机速度PID控制 | 第50-60页 |
| ·基本粒子群算法 | 第51页 |
| ·标准粒子群算法 | 第51-52页 |
| ·标准粒子群算法的流程 | 第52-53页 |
| ·标准粒子群算法的参数 | 第53-54页 |
| ·随机粒子群算法(SPSO) | 第54-55页 |
| ·非均匀动态变异粒子群算法 | 第55-56页 |
| ·非均匀动态变异粒子群算法测试 | 第56-57页 |
| ·基于NMPSO算法的速度PID控制 | 第57-60页 |
| ·基于轧件咬入时的速度补偿方法 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第四章 基于ISTPSO优化模糊算法的中精轧机组张力控制 | 第63-86页 |
| ·张力控制问题的提出 | 第63-64页 |
| ·连轧过程中有关张力的几个关键问题 | 第64-66页 |
| ·张力的作用 | 第64页 |
| ·连轧过程中影响张力的因素 | 第64页 |
| ·机架间张力仿真研究 | 第64-66页 |
| ·张力模糊优化算法的提出 | 第66页 |
| ·中轧机及精轧机张力模糊PID控制器设计及仿真实验 | 第66-76页 |
| ·模糊控制概述 | 第66-67页 |
| ·模糊控制的基本原理 | 第67-69页 |
| ·张力模糊PID控制器设计 | 第69-76页 |
| ·基于ISTPSO优化的中轧机张力模糊PID控制器 | 第76-80页 |
| ·改进的自协调粒子群(ISTPSO)算法 | 第77-78页 |
| ·基于ISTPSO优化模糊控制器的量化因子与比例因子算法仿真实现 | 第78-80页 |
| ·基于ISTPSO优化模糊控制器参数的多机架张力控制的实现 | 第80-85页 |
| ·多机架微张力控制方法及程序流程图 | 第80-81页 |
| ·机架间张力软测量 | 第81-82页 |
| ·中精轧机组各机架结合张力与补偿的速度给定方法 | 第82-83页 |
| ·基于ISTPSO优化多机架张力模糊控制器的实验验证 | 第83-85页 |
| ·小结 | 第85-86页 |
| 第五章 基于ACPSO优化SVR的棒材连轧轧制力预测研究 | 第86-101页 |
| ·引言 | 第86-87页 |
| ·连轧过程中影响轧制力的几个因素 | 第87页 |
| ·ACPSO优化SVR的轧制力预测算法的提出 | 第87-88页 |
| ·支持向量机算法及支持向量回归算法 | 第88-93页 |
| ·基于改进粒子群优化的SVR预测模型 | 第93-95页 |
| ·加速收敛的粒子群算法 | 第93-94页 |
| ·基于ACPSO算法的SVR预测模型 | 第94-95页 |
| ·钛合金棒材连轧预测实例及结果分析 | 第95-100页 |
| ·样本数据选择及处理 | 第95-97页 |
| ·预测结果与分析 | 第97-100页 |
| ·小结 | 第100-101页 |
| 第六章 轧制过程故障诊断方法研究 | 第101-113页 |
| ·引言 | 第101-102页 |
| ·轧制过程数据降噪预处理方法研究 | 第102-104页 |
| ·提升小波的基本原理 | 第102-103页 |
| ·基于提升小波轧制数据实时降噪方法 | 第103-104页 |
| ·基于LW-RLSSVM轧制过程故障诊断方法 | 第104-110页 |
| ·最小二乘支持向量机(LSSVM) | 第104-105页 |
| ·递推最小二乘支持向量机 | 第105-108页 |
| ·LW-RLSSVM实时故障诊断方法 | 第108页 |
| ·实验研究 | 第108-110页 |
| ·基于LW-PNN轧制过程故障诊断方法 | 第110-112页 |
| ·概率神经网络(PNN) | 第110-111页 |
| ·LW-PNN故障诊断方法 | 第111页 |
| ·实验研究 | 第111-112页 |
| ·小结 | 第112-113页 |
| 第七章 结论与展望 | 第113-115页 |
| ·结论 | 第113-114页 |
| ·未来研究展望 | 第114-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-122页 |
| 攻读博士期间发表的论文 | 第122-124页 |
| 攻读博士学位期间参加的科研项目 | 第124页 |
