基于改进神经网络的热轧厚度控制方法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10-11页 |
| ·板厚控制技术的发展 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·神经网络在带钢轧制中的应用 | 第13页 |
| ·论文的主要研究内容 | 第13-16页 |
| 第二章 厚度控制的基本原理 | 第16-28页 |
| ·热连轧轧制过程 | 第16-17页 |
| ·厚度控制的基本数学模型 | 第17-20页 |
| ·轧机弹跳方程 | 第18-19页 |
| ·轧制力（塑性）方程 | 第19-20页 |
| ·带钢板厚度波动的原因及变化规律 | 第20-23页 |
| ·带钢板厚度波动的原因 | 第20-21页 |
| ·厚度变化规律 | 第21-23页 |
| ·AGC 基本形式和控制原理 | 第23-26页 |
| ·前馈 AGC | 第23-24页 |
| ·反馈 AGC | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 液压自动厚度控制系统数学模型 | 第28-34页 |
| ·液压 AGC 主要数学模型 | 第28-33页 |
| ·液压 AGC 动态数学模型 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 神经网络理论基础与 BP 神经网络的改进 | 第34-48页 |
| ·神经网络基本原理 | 第34-35页 |
| ·人工单神经元模型 | 第34-35页 |
| ·连接权值 | 第35页 |
| ·神经网络的激励 | 第35页 |
| ·神经网络的输出 | 第35页 |
| ·神经网络基本结构 | 第35-36页 |
| ·神经网络学习方式 | 第36-37页 |
| ·BP 神经网络 | 第37-42页 |
| ·BP 算法的基本原理 | 第37页 |
| ·BP 神经网络结构 | 第37-38页 |
| ·BP 算法学习过程和算法推导 | 第38-42页 |
| ·BP 神经网络的缺点以及不足 | 第42-43页 |
| ·BP 神经网络的改进 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第五章 基于神经网络的板厚控制系统 | 第48-64页 |
| ·神经网络结构确定方法 | 第48-49页 |
| ·输入输出层神经元个数确定 | 第48页 |
| ·隐含层层数与神经元个数确定 | 第48-49页 |
| ·激活函数的选取 | 第49-51页 |
| ·非线性误差函数的选择 | 第51-52页 |
| ·权值的选择 | 第52-57页 |
| ·粒子群优化网络权值 | 第52-53页 |
| ·初始权值选取办法 | 第53-57页 |
| ·基于 BP 神经网络的 PID 控制器设计 | 第57-61页 |
| ·系统仿真实验结果与分析 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 附录 | 第72页 |
