| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景与研究意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·轧机数学模型技术的新方法 | 第13-14页 |
| ·冷连轧计算机控制系统概况 | 第14-15页 |
| ·冷连轧计算机控制系统组成 | 第14-15页 |
| ·过程控制系统概述 | 第15页 |
| ·轧制力设定模型的研究现状 | 第15-16页 |
| ·论文研究的主要内容 | 第16-19页 |
| 第2章 冷连轧机轧制力模型理论分析 | 第19-29页 |
| ·计算单位轧制力的理论简介 | 第19-22页 |
| ·Karman(卡尔曼)单位压力微分方程 | 第19-20页 |
| ·Orowan(奥罗万)单位压力微分方程 | 第20-21页 |
| ·采利柯夫单位压力公式 | 第21页 |
| ·Bland-Ford单位压力公式 | 第21-22页 |
| ·冷连轧轧制力设定模型分析 | 第22-28页 |
| ·Bland-Ford-Hill轧制力模型算法 | 第22-23页 |
| ·变形抗力模型 | 第23-25页 |
| ·前滑模型 | 第25-26页 |
| ·作辊压扁半径 | 第26页 |
| ·摩擦系数 | 第26页 |
| ·轧制力模型 | 第26-27页 |
| ·Bland-Ford-Hill轧制力显式模型 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 轧制力模型自适应学习方法设计 | 第29-41页 |
| ·模型自适应学习的意义 | 第29-31页 |
| ·轧制力模型的自适应修正 | 第31-33页 |
| ·轧制力模型自适应的基本原理 | 第31-32页 |
| ·测量值处理 | 第32-33页 |
| ·轧制力模型自适应的算法 | 第33页 |
| ·变形抗力和摩擦系数后计算 | 第33-37页 |
| ·变形抗力后计算 | 第34-35页 |
| ·摩擦系数后计算 | 第35页 |
| ·变形抗力和摩擦系数解耦后计算 | 第35-37页 |
| ·变形抗力和摩擦系数自适应学习算法 | 第37-38页 |
| ·变形抗力自适应学习 | 第37-38页 |
| ·摩擦系数自适应学习 | 第38页 |
| ·轧制力模型的自学习修正 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 神经网络轧制力设定模型偏差补偿研究 | 第41-63页 |
| ·神经网络基础知识 | 第41-45页 |
| ·人工神经元模型 | 第41-43页 |
| ·神经网络的分类 | 第43-44页 |
| ·神经网络的学习 | 第44-45页 |
| ·BP神经网络模型与学习算法 | 第45-48页 |
| ·BP神经网络模型 | 第45-46页 |
| ·BP神经网络学习算法 | 第46-48页 |
| ·轧制力模型偏差补偿BP网络的建立和训练 | 第48-53页 |
| ·BP神经网络模型结构设计 | 第49-51页 |
| ·BP算法参数的设计 | 第51-52页 |
| ·轧制力模型偏差补偿BP神经网络的训练 | 第52-53页 |
| ·蚁群算法优化BP神经网络 | 第53-61页 |
| ·基本蚁群算法模型 | 第54-56页 |
| ·最大-最小蚂蚁系统 | 第56页 |
| ·蚁群算法优化BP神经网络的实现 | 第56-59页 |
| ·蚁群算法优化轧制力BP网络时参数的选择 | 第59-61页 |
| ·BP神经网络的性能分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 轧制力设定模型的仿真分析 | 第63-71页 |
| ·Bland-Ford-Hill轧制力设定模型仿真 | 第63-64页 |
| ·轧制力自适应修正设定模型仿真 | 第64-67页 |
| ·轧制力BP神经网络模型仿真 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第6章 结论与展望 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·未来工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |