| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1. 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-11页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10-11页 |
| 1.2 轧钢加热炉炉温控制技术综述 | 第11-15页 |
| 1.2.1 加热炉炉温控制技术的研究现状 | 第11-14页 |
| 1.2.2 加热炉炉温控制技术现存的问题 | 第14-15页 |
| 1.3 本文研究的主要内容 | 第15-17页 |
| 2. 步进式加热炉概述 | 第17-22页 |
| 2.1 步进式加热炉结构简介 | 第17-18页 |
| 2.2 步进式加热炉生产工艺流程 | 第18-19页 |
| 2.3 加热炉的生产目标 | 第19-20页 |
| 2.4 加热钢坯时常见的几个问题 | 第20-21页 |
| 2.5 加热炉常用的燃料 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 3. 加热炉自动控制策略 | 第22-34页 |
| 3.1 加热炉串级双闭环控制系统 | 第22-24页 |
| 3.1.1 串级控制系统简述 | 第22页 |
| 3.1.2 加热炉温度-流量串级双闭环控制 | 第22-24页 |
| 3.2 煤气-空气双交叉限幅燃烧控制策略 | 第24-30页 |
| 3.2.1 燃烧机理分析 | 第24-26页 |
| 3.2.2 传统的煤气流量-空气流量双交叉限幅燃烧控制 | 第26-27页 |
| 3.2.3 改进的煤气流量-空气流量双交叉限幅燃烧控制 | 第27-30页 |
| 3.3 炉膛压力控制 | 第30-33页 |
| 3.3.1 炉膛压力反馈控制 | 第31-32页 |
| 3.3.2 炉膛压力反馈-前馈控制 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4. 自适应神经网络模糊推理系统的介绍 | 第34-40页 |
| 4.1 自适应神经网络模糊推理系统 | 第34-35页 |
| 4.2 ANFIS的结构及原理 | 第35-37页 |
| 4.3 自适应神经网络模糊推理系统的MATLAB工具箱的介绍 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5. 基于ANFIS的轧钢加热炉炉温智能控制器的设计 | 第40-55页 |
| 5.1 最优训练数据的获取 | 第40-44页 |
| 5.1.1 最优训练数据采集系统的建立 | 第40-43页 |
| 5.1.2 训练数据的生成 | 第43-44页 |
| 5.2 基于ANFIS炉温智能控制器的建立 | 第44-54页 |
| 5.2.1 训练数据的加载 | 第44-46页 |
| 5.2.2 初始模糊推理系统的生成 | 第46-47页 |
| 5.2.3 自适应神经网络模糊系统的训练 | 第47-48页 |
| 5.2.4 自适应神经网络模糊系统的训练结果分析 | 第48-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6. 基于ANFIS的轧钢加热炉炉温智能控制系统的仿真 | 第55-63页 |
| 6.1 三种控制方法的仿真及对比 | 第55-60页 |
| 6.1.1 基于传统PID技术的轧钢加热炉温度控制 | 第55-57页 |
| 6.1.2 基于PID参数模糊自整定控制技术的轧钢加热炉温度控制 | 第57-58页 |
| 6.1.3 基于ANFIS的轧钢加热炉炉温智能控制 | 第58-60页 |
| 6.2 受扰动作用下三种控制方法的仿真及对比 | 第60-62页 |
| 6.3 本章小结 | 第62-63页 |
| 7. 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69-70页 |
