| 郑重声明 | 第1-3页 |
| 摘要 | 第3-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·舞钢4200中厚板轧机概况 | 第9-12页 |
| ·4200轧制线主体设备组成 | 第9页 |
| ·技术规范 | 第9-10页 |
| ·4200中厚板轧机存在的问题 | 第10-12页 |
| ·人工神经网络在轧制领域的应用 | 第12-13页 |
| ·传统轧制理论的缺陷 | 第12页 |
| ·国内外研究情况 | 第12-13页 |
| ·本研究的主要内容 | 第13-14页 |
| 第二章 中厚板轧机轧制过程回归模型的研究 | 第14-22页 |
| ·温降模型 | 第14-15页 |
| ·中厚板轧机的温降过程 | 第14-15页 |
| ·温降模型的建立 | 第15页 |
| ·宽展模型 | 第15-19页 |
| ·宽展原理 | 第15-18页 |
| ·宽展模型的建立 | 第18-19页 |
| ·轧制压力模型 | 第19-21页 |
| ·概述 | 第19-20页 |
| ·轧制压力模型的建立 | 第20-21页 |
| ·结语 | 第21-22页 |
| 第三章 人工神经网络 | 第22-31页 |
| ·人工神经网络概述 | 第22页 |
| ·神经网络的处理单元 | 第22-23页 |
| ·BP神经网络 | 第23-30页 |
| ·BP算法数学原理 | 第23-25页 |
| ·BP网络算法步骤 | 第25-26页 |
| ·BP算法的改进 | 第26-28页 |
| ·BP网络的设计 | 第28-30页 |
| ·MATLAB与神经网络工具箱 | 第30-31页 |
| ·MATLAB简介 | 第30页 |
| ·基于 MATLAB的神经网络工具箱 | 第30-31页 |
| 第四章 基于神经网络的中厚板轧机轧制过程模型的建立 | 第31-49页 |
| ·温降模型 | 第31-35页 |
| ·中厚板轧机温降概述 | 第31页 |
| ·输入向量和目标向量设计 | 第31页 |
| ·隐层结构的设计 | 第31-33页 |
| ·输入参数和输出参数的标准化 | 第33页 |
| ·网络的训练 | 第33-34页 |
| ·网络的测试 | 第34-35页 |
| ·结语 | 第35页 |
| ·宽展模型 | 第35-39页 |
| ·问题描述 | 第35页 |
| ·神经网络结构分析 | 第35-36页 |
| ·模型的训练及检验 | 第36-39页 |
| ·结语 | 第39页 |
| ·金属变形抗力模型 | 第39-45页 |
| ·问题描述 | 第39页 |
| ·实验条件 | 第39-40页 |
| ·金属变形抗力模型的构建 | 第40-41页 |
| ·模型的训练及检验 | 第41-45页 |
| ·结语 | 第45页 |
| ·轧制压力模型 | 第45-49页 |
| ·神经网络结构分析 | 第45-46页 |
| ·模型的训练及检验 | 第46-48页 |
| ·结语 | 第48-49页 |
| 第五章 Elman网络和 GRNN网络的尝试 | 第49-56页 |
| ·Elman网络的中厚板轧机宽展模型 | 第49-52页 |
| ·Elman网络概述 | 第49页 |
| ·Elman网络结构及算法 | 第49-50页 |
| ·Elman网络模型的构建 | 第50页 |
| ·宽展模型的建立 | 第50-52页 |
| ·结语 | 第52页 |
| ·基于 GRNN网络的中厚板轧机金属变形抗力模型 | 第52-56页 |
| ·GRNN网络概述 | 第52-53页 |
| ·GRNN网络模型的构建 | 第53页 |
| ·GRNN网络与 BP网络效果比较 | 第53-55页 |
| ·GRNN网络与 BP网络预测稳定性比较 | 第55页 |
| ·结语 | 第55-56页 |
| 第六章 结论与展望 | 第56-58页 |
| ·结论 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 研究生期间完成的工作 | 第60-61页 |
| 致谢 | 第61页 |