基于小波神经网络的轧制力预报模型的研究以及自动厚度控制系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-19页 |
| ·引言 | 第13页 |
| ·课题研究的目的及意义 | 第13-16页 |
| ·国内外研究动态 | 第16-17页 |
| ·本文的主要研究工作 | 第17页 |
| ·本文的结构及内容 | 第17-19页 |
| 第二章 热连轧的生产工艺及其计算机控制系统 | 第19-33页 |
| ·热连轧的生产工艺 | 第19-26页 |
| ·带钢热连轧生产轧线 | 第19-21页 |
| ·加热区的设备及主要任务 | 第21-22页 |
| ·粗轧区的设备及主要任务 | 第22-23页 |
| ·精轧区的设备及主要任务 | 第23-25页 |
| ·卷取区的设备及主要任务 | 第25-26页 |
| ·带钢热连轧计算机控制系统—SIROLL系统 | 第26-32页 |
| ·SIROLL系统的功能 | 第27-29页 |
| ·SIROLL系统的结构 | 第29-30页 |
| ·SIROLL系统新增加的控制功能 | 第30-31页 |
| ·SIROLL系统的特点 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 小波神经网络 | 第33-47页 |
| ·神经网络 | 第33-35页 |
| ·神经网络理论的发展 | 第33-34页 |
| ·神经网络的主要特点 | 第34-35页 |
| ·小波分析与小波变换 | 第35-38页 |
| ·小波分析的产生与发展 | 第36页 |
| ·小波变换 | 第36-38页 |
| ·小波神经网络 | 第38-46页 |
| ·小波神经网络构造的理论基础 | 第39-40页 |
| ·小波分析与神经网络结合的途径 | 第40-41页 |
| ·小波神经网络的分类 | 第41-43页 |
| ·小波神经网络学习算法 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于小波神经网络的轧制力预报模型的研究 | 第47-63页 |
| ·轧制力模型 | 第47-48页 |
| ·轧制力数学模型 | 第47-48页 |
| ·神经网络在轧制力预报中的应用 | 第48页 |
| ·小波神经网络在轧制力预报中的应用 | 第48-62页 |
| ·小波神经网络的结构确定 | 第49页 |
| ·网络输入、输出变量的选择 | 第49-50页 |
| ·训练样本的选择与处理 | 第50页 |
| ·网络训练目标的确定 | 第50页 |
| ·网络参数初始值的选取 | 第50-51页 |
| ·激励函数的选择 | 第51-55页 |
| ·隐含层数及其隐节点数的选取 | 第55-58页 |
| ·网络中各个系数的确定 | 第58-59页 |
| ·两种网络建模的对比 | 第59-61页 |
| ·结论 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 带钢热连轧自动厚度控制系统 | 第63-100页 |
| ·引言 | 第63页 |
| ·产生带钢纵向厚差的原因 | 第63-65页 |
| ·轧件方面的原因 | 第63-64页 |
| ·轧机上的原因 | 第64-65页 |
| ·轧制过程中参数的测量 | 第65-70页 |
| ·轧制过程中测量参数的类型 | 第65-66页 |
| ·轧制过程主要参数的测量 | 第66-70页 |
| ·几种自动厚度控制系统 | 第70-77页 |
| ·反馈方式AGC系统 | 第70-73页 |
| ·前馈方式AGC系统 | 第73页 |
| ·监控AGC系统 | 第73-74页 |
| ·张力微调AGC系统 | 第74-75页 |
| ·补偿AGC系统 | 第75-77页 |
| ·AGC的设计与实现 | 第77-99页 |
| ·压下系统 | 第77-78页 |
| ·液压压下系统的组成部分 | 第78-79页 |
| ·液压AGC改变刚性系数的原理 | 第79-80页 |
| ·液压AGC的工作方式 | 第80-81页 |
| ·AGC的控制方案 | 第81-83页 |
| ·带钢厚度的设定 | 第83-87页 |
| ·AGC的控制思想 | 第87-92页 |
| ·AGC的控制流程 | 第92页 |
| ·AGC的实现 | 第92-96页 |
| ·结论 | 第96-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 结论与展望 | 第100-102页 |
| 参考文献 | 第102-108页 |
| 附录 | 第108-112页 |
| 致谢 | 第112-113页 |
| 攻读学位期间发表的学术论文目录 | 第113页 |
