| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第1章 绪论 | 第7-12页 |
| 1．1 选题的意义及背景 | 第7-8页 |
| 1．2 预测控制的现状及问题 | 第8-9页 |
| 1．3 神经网络的优点 | 第9-10页 |
| 1．4 神经网络在轧制领域应用的国内外现状 | 第10-11页 |
| 1．5 本课题的主要工作 | 第11-12页 |
| 第2章 张力的数学模型及控制策略 | 第12-22页 |
| 2．1 四机架冷连轧机工艺过程简介 | 第12页 |
| 2．2 张力的作用及数学模型的推导 | 第12-17页 |
| 2．2．1 张力的作用 | 第12-14页 |
| 2．2．2 张力数学模型的推导 | 第14-17页 |
| 2．3 张力的控制策略及控制方案 | 第17-21页 |
| 2．3．1 张力的控制策略 | 第17-19页 |
| 2．3．2 张力的预测控制方案 | 第19-21页 |
| 2．4 本章小结 | 第21-22页 |
| 第3章 张力的广义预测控制及快速算法研究 | 第22-45页 |
| 3．1 预测控策概述 | 第22-23页 |
| 3．2 标准广义预测控制算法 | 第23-34页 |
| 3．2．1 多步输出预测及Diophantine方程的递推解 | 第24-29页 |
| 3．2．2 最优控制律计算 | 第29-31页 |
| 3．2．3 GPC的内模控制结构 | 第31-34页 |
| 3．2．4 闭环系统的稳态偏差特性 | 第34页 |
| 3．3 广义预测控制的快速算法 | 第34-42页 |
| 3．3．1 广义预测控制的扩展和解释 | 第35-37页 |
| 3．3．2 Diophantine方程的求解公式及证明 | 第37-42页 |
| 3．4 张力广义预测控制的仿真研究 | 第42-44页 |
| 3．5 本章小结 | 第44-45页 |
| 第4章 张力的神经网络预测控制研究 | 第45-74页 |
| 4．1 神经网络基础 | 第45-58页 |
| 4．1．1 神经网络简介 | 第45-46页 |
| 4．1．2 BP神经网络 | 第46-52页 |
| 4．1．3 RBF神经网络 | 第52-58页 |
| 4．2 神经网络预测控制 | 第58-64页 |
| 4．2．1 神经网络预测控制的一般结构 | 第58-59页 |
| 4．2．2 神经网络预测模型 | 第59-62页 |
| 4．2．3 神经网络广义预测控制律计算 | 第62-64页 |
| 4．3 仿真研究 | 第64-73页 |
| 4．3．1 张力的神经网络离线辨识 | 第64-69页 |
| 4．3．2 张力的神经网络广义预测控制 | 第69-73页 |
| 4．4 本章小结 | 第73-74页 |
| 第5章 神经网络广义预测极点配置控制 | 第74-86页 |
| 5．1 概述 | 第74页 |
| 5．2 Hopfield神经网络 | 第74-78页 |
| 5．2．1 网络模型 | 第75-77页 |
| 5．2．2 网络的稳定性分析 | 第77-78页 |
| 5．3 基于神经网络的广义预测极点配置控制 | 第78-85页 |
| 5．3．1 基于CARIMA模型的广义预测控制器 | 第79-80页 |
| 5．3．2 闭环输出方程及闭环极点配置 | 第80-82页 |
| 5．3．3 基于Hopfield神经网络的广义预测极点配置控制 | 第82-85页 |
| 5．4 本章小结 | 第85-86页 |
| 结论 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士学位期间所发表的论文 | 第90-91页 |
| 致谢 | 第91页 |
