| 中文摘要 | 第1-3页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-14页 |
| ·选题背景 | 第6-8页 |
| ·平直度控制的意义 | 第6页 |
| ·平直度检测设备现状 | 第6-8页 |
| ·BFI平直度检测仪平直度值的获取和处理 | 第8-12页 |
| ·平直度测量原理 | 第8-9页 |
| ·平直度信号的获取 | 第9-11页 |
| ·平直度信号的转换 | 第11-12页 |
| ·BFI平直度测量辊的标定 | 第12-13页 |
| ·本课题的研究内容 | 第13-14页 |
| 第二章 冷轧板型缺陷及解决工艺简介 | 第14-23页 |
| ·冷轧板型缺陷定义 | 第14-15页 |
| ·引起板带平直度偏差的原因 | 第15-16页 |
| ·原料原因 | 第15页 |
| ·其他原因 | 第15-16页 |
| ·板型缺陷 | 第16-17页 |
| ·修正板型缺陷的执行元件 | 第17-21页 |
| ·支撑辊压下缸倾斜系统 | 第17-18页 |
| ·弯辊系统 | 第18-19页 |
| ·中间辊CVC窜辊系统 | 第19-21页 |
| ·工作辊多区冷却 | 第21页 |
| ·平直度执行机构总结 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 神经网络控制模型 | 第23-36页 |
| ·人工神经网络的概念和特征 | 第23-27页 |
| ·人工神经网络简介 | 第23页 |
| ·人工神经网络的特征 | 第23-24页 |
| ·人工神经网络的发展 | 第24页 |
| ·人工神经网络的应用 | 第24-25页 |
| ·人工神经网络基本原理 | 第25-27页 |
| ·反向传播BP网络算法及其改进 | 第27-31页 |
| ·BP神经网络 | 第27-30页 |
| ·BP网络的设计 | 第30-31页 |
| ·神经网络控制 | 第31-35页 |
| ·神经适应控制系统 | 第31-34页 |
| ·实用反向传播(Back-propagation of utility)控制 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 神经网络控制在冷轧平直度控制中的应用 | 第36-45页 |
| ·引言 | 第36页 |
| ·平直度设定值 | 第36页 |
| ·本控制系统采用的神经网络控制结构 | 第36-44页 |
| ·神经网络控制结构 | 第36-39页 |
| ·神经网络辨识器NNI的控制结构 | 第39-42页 |
| ·NNI效率自学习算法 | 第42-43页 |
| ·执行机构设定最优值的计算 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 平直度控制系统的实现 | 第45-58页 |
| ·执行机构效率自学习NNI的实现 | 第45-50页 |
| ·执行机构给定量的计算的实现 | 第50-52页 |
| ·平直度控制系统结果图 | 第52-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结束语 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |