| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景和研究的意义 | 第10-11页 |
| ·板形模式识别及其控制的研究现状综述 | 第11-13页 |
| ·板形模式识别的研究发展 | 第11页 |
| ·板形控制技术的研究发展 | 第11-13页 |
| ·智能控制及其在板形控制的应用与发展 | 第13-16页 |
| ·传统控制的局限和智能控制的发展 | 第13-14页 |
| ·基于模糊理论的板形控制方法的研究 | 第14-15页 |
| ·基于神经网络的板形控制方法的研究 | 第15-16页 |
| ·板形控制的未来发展 | 第16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第2章 板形理论和自适应神经模糊推理系统 | 第18-29页 |
| ·板形概念 | 第18-24页 |
| ·板形的定义 | 第18页 |
| ·板形表示方法 | 第18-21页 |
| ·保持板形良好的条件 | 第21-22页 |
| ·影响板形的主要因素 | 第22-23页 |
| ·板形控制基本手段 | 第23-24页 |
| ·模糊神经网络系统 | 第24-28页 |
| ·模糊控制与神经网络结合的必要性 | 第24-25页 |
| ·模糊技术与神经网络相结合的几种形式 | 第25页 |
| ·自适应神经模糊推理系统 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于ANFIS 的板形模式识别 | 第29-41页 |
| ·板形模式识别的基本原理 | 第29-30页 |
| ·板形标准模式的建立 | 第30-32页 |
| ·基于ANFIS 的板形模式识别模型的建立 | 第32-40页 |
| ·板形模式识别的模型选择 | 第32-33页 |
| ·基于ANFIS 的板形模式识别模型结构 | 第33-36页 |
| ·板形模式识别的步骤 | 第36页 |
| ·仿真结果 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于动态影响矩阵的板形控制方法 | 第41-50页 |
| ·影响矩阵的概述 | 第41-44页 |
| ·静态影响矩阵的特点及其局限性 | 第44-45页 |
| ·板形控制的动态影响矩阵法方案设计 | 第45-49页 |
| ·板形预测模型的建立 | 第45-47页 |
| ·影响矩阵预测模型的设计 | 第47-48页 |
| ·板形调节量计算 | 第48页 |
| ·基于动态影响矩阵的板形控制过程 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 动态影响矩阵法在900HC 轧机上的仿真应用 | 第50-62页 |
| ·HC 轧机特性分析 | 第50-52页 |
| ·HC 轧机简介 | 第50-51页 |
| ·HC 轧机控制特点 | 第51-52页 |
| ·900HC 轧机基本参数和板带材规格参数 | 第52页 |
| ·仿真应用 | 第52-60页 |
| ·板形预测模型在900HC 轧机的仿真应用 | 第52-54页 |
| ·动态影响矩阵方法在900HC 轧机的仿真应用 | 第54-60页 |
| ·本章小结 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |