基于云网络的冷轧带钢板形模式识别与控制研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 板形控制领域的研究现状 | 第9-13页 |
| 1.2.1 板形模式识别的研究现状 | 第9-12页 |
| 1.2.2 板形控制技术的研究现状 | 第12-13页 |
| 1.3 板形控制的未来发展 | 第13-14页 |
| 1.4 本文的主要研究内容和结构 | 第14-16页 |
| 第二章T-S云推理神经网络结构设计 | 第16-25页 |
| 2.1 云模型基本概念 | 第16-19页 |
| 2.1.1 云和云滴 | 第16-17页 |
| 2.1.2 云的数字特征 | 第17页 |
| 2.1.3 正向云发生器和前件云发生器 | 第17-19页 |
| 2.2 云神经网络 | 第19-21页 |
| 2.2.1 传统云神经网络 | 第19-20页 |
| 2.2.2 T-S云推理神经网络设计 | 第20-21页 |
| 2.3 T-S云推理神经网络的PSO优化 | 第21-23页 |
| 2.3.1 PSO算法流程图 | 第21-22页 |
| 2.3.2 网络的PSO优化 | 第22-23页 |
| 2.4 稳定性分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 云推理神经网络板形模式识别研究 | 第25-38页 |
| 3.1 板形识别的原理 | 第25-26页 |
| 3.2 T-S云推理网络板形模式识别模型设计 | 第26-30页 |
| 3.2.1 板形缺陷的基模式 | 第26-27页 |
| 3.2.2 板形识别模型结构设计 | 第27-29页 |
| 3.2.3 板形模式识别的步骤 | 第29-30页 |
| 3.3 板形模式识别效果的仿真验证 | 第30-37页 |
| 3.3.1 仿真实验一 | 第30-32页 |
| 3.3.2 仿真实验二 | 第32-34页 |
| 3.3.3 仿真实验三 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于T-S云推理网络智能控制系统设计 | 第38-48页 |
| 4.1 人工智能方法在板形控制中的应用 | 第38页 |
| 4.2 板形控制的基本手段 | 第38-39页 |
| 4.3 T-S云推理网络板形智能控制系统设计 | 第39-43页 |
| 4.3.1 T-S云推理板形预测模型的建立 | 第39-40页 |
| 4.3.2 板形控制方案的设计 | 第40-43页 |
| 4.4 仿真验证 | 第43-47页 |
| 4.4.1 仿真验证一 | 第43-44页 |
| 4.4.2 仿真验证二 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 个人简历 在读期间发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |
