| 1 无缝钢管热轧控制技术 | 第1-14页 |
| ·无缝钢管热轧控制系统概述 | 第9-11页 |
| ·无缝钢管热轧控制系统现状 | 第9-10页 |
| ·热轧无缝钢管生产工艺流程介绍 | 第10-11页 |
| ·无缝钢管热轧控制系统核心技术—热连轧 | 第11-13页 |
| ·热连轧控制系统存在的问题 | 第13-14页 |
| 2 神经网络与遗传算法及其结合方法的研究 | 第14-23页 |
| ·人工神经网络介绍 | 第14-16页 |
| ·BP神经网络算法描述 | 第14-15页 |
| ·BP网络的结构设计准则和方法 | 第15页 |
| ·激励函数的优化组合 | 第15页 |
| ·BP算法的限制与不足 | 第15-16页 |
| ·BP算法的改进 | 第16页 |
| ·遗传算法简介 | 第16-19页 |
| ·遗传算法的特点 | 第16-17页 |
| ·遗传算法的不足 | 第17-18页 |
| ·遗传算法常用的改进方法 | 第18-19页 |
| ·遗传算法与神经网络的结合 | 第19-23页 |
| ·BP神经网络和遗传算法的结合算法 | 第19-20页 |
| ·遗传算法在神经网络设计中的应用 | 第20-21页 |
| ·遗传神经网络的编码方式 | 第21-23页 |
| 3 基于遗传神经网络优化热连轧轧棍转速 | 第23-41页 |
| ·基于人工神经网络建立前馈动态补偿数学模型 | 第23-24页 |
| ·网络的拓扑结构 | 第24-30页 |
| ·确立输入输出模式的映射关系 | 第24-25页 |
| ·优化网络的拓扑结构 | 第25-30页 |
| ·BP网络权值学习的实数编码遗传算法 | 第30-36页 |
| ·基于遗传算法获得神经网络加权矩阵的学习方法 | 第30-31页 |
| ·遗传算法的各项参数的确定 | 第31-36页 |
| ·遗传算法程序流程图 | 第36页 |
| ·遗传神经网络的学习及仿真预测 | 第36-39页 |
| ·BP算法的主要参数 | 第36-37页 |
| ·BP算法程序流程图 | 第37-39页 |
| ·仿真预测 | 第39页 |
| ·系统的调节品质 | 第39-40页 |
| ·网络权值的确定 | 第40-41页 |
| 4 结论 | 第41-42页 |
| 5 致谢 | 第42-43页 |
| 6 参考文献 | 第43-49页 |
| 7 论文发表情况 | 第49-50页 |
| 附录Ⅰ 遗传神经网络算法预测热轧控制的C语言源程序 | 第50-67页 |