模具扁钢板形不平度质量改进的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-23页 |
| ·课题概述 | 第8-9页 |
| ·课题来源 | 第8页 |
| ·课题的提出 | 第8-9页 |
| ·课题的意义 | 第9页 |
| ·文献综述 | 第9-12页 |
| ·国内外板形控制系统发展概述 | 第9-10页 |
| ·轧制工艺 | 第10-11页 |
| ·板形控制方式 | 第11页 |
| ·板形控制的设备方法 | 第11-12页 |
| ·板形基础理论及应用 | 第12-17页 |
| ·不平度 | 第12-15页 |
| ·人工智能在其中的应用 | 第15-17页 |
| ·矫直技术的新发展 | 第17-20页 |
| ·中厚板矫直机的种类 | 第17-19页 |
| ·新的发展趋势 | 第19-20页 |
| ·板形评价指标 | 第20-23页 |
| 2 太钢初轧厂板形控制系统现状 | 第23-28页 |
| ·太钢初轧厂系统概述 | 第23页 |
| ·太钢初轧厂机械设备 | 第23-25页 |
| ·存在问题 | 第25-26页 |
| ·技术难点 | 第26页 |
| ·目标实施 | 第26-27页 |
| ·研究方向 | 第27-28页 |
| 3 模糊神经网络的一般模型 | 第28-40页 |
| ·模糊逻辑系统 | 第28-33页 |
| ·模糊逻辑系统的组成与分类 | 第28-30页 |
| ·模糊规则库 | 第30-32页 |
| ·模糊推理机 | 第32页 |
| ·模糊产生器和反模糊化器 | 第32-33页 |
| ·神经网络技术 | 第33-35页 |
| ·神经网络基础 | 第33页 |
| ·BP神经网络及其学习算法 | 第33-35页 |
| ·模糊神经网络 | 第35-40页 |
| ·模糊逻辑与神经网络的结合 | 第35-38页 |
| ·模糊神经网络分类 | 第38页 |
| ·模糊神经网络结构与学习算法 | 第38-40页 |
| 4 基于模糊神经网络的冷轧板形控制 | 第40-51页 |
| ·概述 | 第40页 |
| ·初轧机模糊神经网络控制器的设计 | 第40-45页 |
| ·模糊控制器的输入输出量的确定 | 第40-41页 |
| ·精确量的模糊化 | 第41-42页 |
| ·模糊控制规则的建立 | 第42-44页 |
| ·控制系统隶属函数的选取 | 第44-45页 |
| ·轧机模糊神经网络模型的建立 | 第45-51页 |
| ·模糊神经网络的原理及结构设计 | 第45-47页 |
| ·模糊神经网络的学习及参数调整 | 第47-51页 |
| 5 板形控制系统工艺的改进 | 第51-63页 |
| ·生产工艺控制研究 | 第51页 |
| ·加热、翻钢过程的改进 | 第51-53页 |
| ·加热炉技术 | 第51页 |
| ·热工制度控制的目的 | 第51-52页 |
| ·加热炉控制系统的主要类别 | 第52-53页 |
| ·轧制过程的研究和改进 | 第53-55页 |
| ·轧机型式及轧机参数 | 第53页 |
| ·轧机布置 | 第53-54页 |
| ·轧制过程改进的具体方案 | 第54-55页 |
| ·退火过程 | 第55-58页 |
| ·扁钢的冷却方式 | 第55-56页 |
| ·影响冷却质量的主要因素 | 第56页 |
| ·确定冷却装置位置的因素 | 第56-57页 |
| ·冷却段长度的确定 | 第57页 |
| ·冷却装置与矫直机的关系 | 第57-58页 |
| ·扁钢矫直过程研究及数学模型 | 第58-62页 |
| ·力学模型 | 第58-61页 |
| ·矫直钢材变形 | 第61-62页 |
| ·改进效果及评价 | 第62-63页 |
| 6 结论与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69页 |
