热轧带钢平整机轧制力与板形控制的研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第10-16页 |
1.1 平整机简介 | 第10-12页 |
1.2 平整作用 | 第12页 |
1.3 轧制力预报模型及板形控制方法的研究现状 | 第12-14页 |
1.3.1 轧制力预报模型的研究现状 | 第12-13页 |
1.3.2 板形控制方法的研究现状 | 第13-14页 |
1.4 课题来源、意义及研究内容 | 第14-16页 |
1.4.1 课题来源 | 第14页 |
1.4.2 课题意义 | 第14-15页 |
1.4.3 本文的主要研究内容 | 第15-16页 |
第2章 轧制力及其数学模型的研究 | 第16-23页 |
2.1 轧制压力模型概述 | 第16-19页 |
2.1.1 轧制压力数学模型的发展 | 第16页 |
2.1.2 轧制压力模型在轧制过程中的作用 | 第16-17页 |
2.1.3 轧制压力模型 | 第17-18页 |
2.1.4 建立轧制力数学模型的一般步骤 | 第18-19页 |
2.2 轧制概念及其计算方法 | 第19-20页 |
2.2.1 轧制力概念及概念公式 | 第19-20页 |
2.2.2 轧制力理论计算公式 | 第20页 |
2.3 某钢厂连轧机组轧制力模型计算 | 第20-22页 |
2.4 本章小结 | 第22-23页 |
第3章 基于神经网络轧制力的预报 | 第23-32页 |
3.1 BP神经网络 | 第23-27页 |
3.1.1 概述 | 第23页 |
3.1.2 BP神经网络结构 | 第23-24页 |
3.1.3 BP算法 | 第24-25页 |
3.1.4 BP算法流程 | 第25-27页 |
3.2 BP神经网络在轧制力预测方面的优缺点 | 第27-28页 |
3.2.1 BP神经网络优点 | 第27页 |
3.2.2 BP神经网络的缺点 | 第27-28页 |
3.3 BP神经网络轧制力的预报 | 第28-31页 |
3.3.1 样本数据集的选取 | 第28页 |
3.3.2 BP神经网络的训练 | 第28-29页 |
3.3.3 BP神经网络轧制力预报结果 | 第29-30页 |
3.3.4 BP神经网络的优化方向 | 第30-31页 |
3.4 本章小结 | 第31-32页 |
第4章 灰色神经网络轧制力组合模型 | 第32-44页 |
4.1 灰色系统理论 | 第32-35页 |
4.1.1 灰色系统概述 | 第32页 |
4.1.2 灰色系统的基本概念 | 第32页 |
4.1.3 灰色轧制力预报模型 | 第32-34页 |
4.1.4 轧制力组合预报相对单项预报的优势 | 第34页 |
4.1.5 灰色预测和神经网络预测的优势互补 | 第34-35页 |
4.2 灰色神经网络的建模方法 | 第35-37页 |
4.2.1 串联型灰色神经网络 | 第35页 |
4.2.2 并联型灰色神经网络 | 第35-36页 |
4.2.3 嵌入型灰色神经网络 | 第36页 |
4.2.4 混合型灰色神经网络 | 第36-37页 |
4.3 灰色理论和BP神经网络对轧制力的组合预测 | 第37-42页 |
4.3.1 灰色神经网络模型建立 | 第37-39页 |
4.3.2 灰色神经网络轧制力预报模型流程 | 第39-40页 |
4.3.3 轧制力预测相对误差分析 | 第40-41页 |
4.3.4 实验数据误差带分析 | 第41-42页 |
4.4 本章小结 | 第42-44页 |
第5章 轧制力设定对板形的影响 | 第44-53页 |
5.1 板形的基本概念 | 第44-48页 |
5.1.1 板带平直度 | 第44-46页 |
5.1.2 板凸度 | 第46-47页 |
5.1.3 板形缺陷 | 第47-48页 |
5.2 消除板形缺陷的延伸率的研究 | 第48-51页 |
5.2.1 延伸率自动控制系统 | 第48-50页 |
5.2.2 消除板形缺陷的研究 | 第50-51页 |
5.3 轧制力与延伸率的关系 | 第51-52页 |
5.4 轧制力设定与延伸率的自动控制 | 第52页 |
5.5 本章小结 | 第52-53页 |
总结与展望 | 第53-55页 |
1、本文工作总结 | 第53-54页 |
2、工作展望 | 第54-55页 |
致谢 | 第55-56页 |
参考文献 | 第56-59页 |
作者简介 | 第59页 |
攻读硕士学位期间发表的论文 | 第59-60页 |