带钢冷轧机轧制力模型研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·带钢冷轧生产概况 | 第9-10页 |
| ·轧制参数模型概述 | 第10-12页 |
| ·轧制参数模型在过程控制中的作用 | 第10-11页 |
| ·轧制参数模型的建模方法及其发展趋势 | 第11-12页 |
| ·选题意义及研究内容 | 第12-15页 |
| ·选题意义 | 第12-13页 |
| ·研究内容 | 第13-15页 |
| 第2章 带钢冷轧机轧制参数模型 | 第15-27页 |
| ·冷轧轧制变形区及其参数 | 第15-17页 |
| ·基本参数 | 第15-16页 |
| ·轧制时的前滑 | 第16-17页 |
| ·冷轧带钢轧制力模型 | 第17-22页 |
| ·冷轧带钢的生产特点 | 第17-18页 |
| ·冷轧带钢轧制力计算公式 | 第18-21页 |
| ·不同轧制力计算模型的比较 | 第21-22页 |
| ·变形抗力模型 | 第22-24页 |
| ·变形抗力的影响因素 | 第22-23页 |
| ·冷轧带钢变形抗力模型 | 第23-24页 |
| ·摩擦系数模型 | 第24-26页 |
| ·摩擦系数的影响因素 | 第24-25页 |
| ·冷轧带钢摩擦系数的确定 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 冷轧变形抗力模型研究 | 第27-40页 |
| ·基于工程的变形抗力回归研究 | 第27-33页 |
| ·实际工程应用中出现的问题 | 第27-28页 |
| ·模型中主应力的确定方法 | 第28-31页 |
| ·模型中原始屈服应力的确定方法 | 第31-32页 |
| ·模型系数的回归 | 第32-33页 |
| ·利用回归的变形抗力计算轧制力 | 第33-35页 |
| ·轧制力的计算 | 第33-34页 |
| ·结果分析 | 第34-35页 |
| ·不同变形抗力模型的研究 | 第35-39页 |
| ·回归不同变形抗力模型的系数 | 第35-38页 |
| ·利用上述回归模型计算轧制力 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 轧制过程数学模型的自适应研究 | 第40-49页 |
| ·模型自适应概述 | 第40-41页 |
| ·模型自适应的算法 | 第41-44页 |
| ·变形抗力模型自适应 | 第44-48页 |
| ·实测数据的采集与处理 | 第44-45页 |
| ·变形抗力自适应模型确定 | 第45页 |
| ·基于实测值的变形抗力回归分析 | 第45-47页 |
| ·变形抗力自适应实现流程 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于数据库的神经网络轧制力预报 | 第49-62页 |
| ·神经网络结合数据库技术的应用前景 | 第49-50页 |
| ·神经网络轧制力模型结构设计 | 第50-52页 |
| ·五机架并联结构的神经网络轧制力模型 | 第50-51页 |
| ·单机架BP 神经网络轧制力模型 | 第51-52页 |
| ·神经网络的训练算法以及数据处理 | 第52-56页 |
| ·神经网络的训练算法 | 第53-55页 |
| ·训练神经网络的样本集确定 | 第55-56页 |
| ·网络学习过程的数据处理 | 第56页 |
| ·神经网络轧制力模型的实际应用与结果分析 | 第56-58页 |
| ·神经网络轧制力预报模型数据库的建立 | 第58-61页 |
| ·带钢规格记录号的确定方法 | 第58-60页 |
| ·自学习数据文件的存储 | 第60-61页 |
| ·本章小结 | 第61-62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 |
