| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·选题背景和意义 | 第11-12页 |
| ·国内外冷轧生产概况 | 第12-14页 |
| ·冷连轧机负荷分配优化研究进展 | 第14-18页 |
| ·经验法 | 第14页 |
| ·能耗曲线法 | 第14-15页 |
| ·根据轧制工艺特点的迭代方法 | 第15页 |
| ·人工智能优化方法在轧制负荷分配优化中的应用 | 第15-18页 |
| ·论文主要研究内容 | 第18-19页 |
| 第2章 轧机系统组成及轧制数学模型 | 第19-31页 |
| ·轧机系统组成 | 第19-21页 |
| ·机械结构 | 第19-20页 |
| ·驱动轧辊电动机的主要参数 | 第20-21页 |
| ·轧制数学模型 | 第21-30页 |
| ·轧制力模型 | 第21-23页 |
| ·变形抗力模型 | 第23-25页 |
| ·应力状态系数 | 第25-26页 |
| ·张力模型 | 第26-27页 |
| ·轧制力矩、功率及速度 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 蚁群算法基本原理 | 第31-40页 |
| ·蚁群算法的原理 | 第31-32页 |
| ·基本蚁群算法介绍 | 第32-33页 |
| ·基本蚁群算法的流程 | 第33页 |
| ·改进蚁群算法 | 第33-36页 |
| ·蚁群算法的参数选择原则 | 第36-38页 |
| ·蚂蚁数量对蚁群算法的影响 | 第36-37页 |
| ·信息素挥发因子ρ对蚁群算法性能的影响 | 第37页 |
| ·信息素强度对蚁群算法性能的影响 | 第37页 |
| ·启发式因子α 影响的蚁群算法运行性能 | 第37-38页 |
| ·期望启发式因子β 影响的蚁群算法运行性能 | 第38页 |
| ·蚁群算法参数调定的“三步走”方法 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于蚁群算法的冷连轧轧制负荷分配优化 | 第40-64页 |
| ·目标函数的选取 | 第40-47页 |
| ·轧制能耗目标函数 | 第41页 |
| ·等负荷目标函数 | 第41-42页 |
| ·等负荷裕度目标函数 | 第42页 |
| ·等主负荷目标函数 | 第42-44页 |
| ·多种负荷均衡分配目标函数 | 第44页 |
| ·板形良好目标函数 | 第44-46页 |
| ·本文目标函数的确定 | 第46-47页 |
| ·约束条件的确定 | 第47-51页 |
| ·最小可轧厚度的约束条件 | 第47页 |
| ·最大轧制压力的约束条件 | 第47-48页 |
| ·各个机架电机本身的约束条件 | 第48页 |
| ·压下率和轧制力矩约束条件 | 第48-49页 |
| ·张力约束条件 | 第49页 |
| ·速度约束条件 | 第49-51页 |
| ·基于蚁群算法的轧制负荷分配优化 | 第51-56页 |
| ·优化变量的确定 | 第51-52页 |
| ·蚁群算法优化操作 | 第52-54页 |
| ·基本蚁群算法流程 | 第54页 |
| ·改进蚁群算法流程 | 第54-55页 |
| ·仿真实例分析 | 第55-56页 |
| ·本章小结 | 第56-64页 |
| 第5章 基于蚁群免疫算法的冷连轧机轧制负荷 分配优化 | 第64-78页 |
| ·蚁群免疫算法的提出 | 第64-65页 |
| ·免疫算法原理 | 第65页 |
| ·人工免疫算法求解问题应遵循的规则 | 第65-66页 |
| ·人工免疫算子的构造 | 第66-67页 |
| ·蚁群免疫算法优化轧制负荷分配 | 第67页 |
| ·蚁群免疫算法优化轧制负荷分配流程 | 第67-68页 |
| ·蚁群免疫算法仿真实例分析 | 第68-75页 |
| ·工程应用 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 作者简介 | 第87页 |