四辊冷轧机板形神经模糊控制研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究背景 | 第10-13页 |
| ·我国钢铁工业发展现状 | 第10-11页 |
| ·板形控制发展现状 | 第11-12页 |
| ·板形控制存在的问题 | 第12-13页 |
| ·人工智能在轧钢领域中的应用 | 第13-16页 |
| ·人工智能的概念和特点 | 第13-14页 |
| ·人工智能在轧钢领域的应用状况 | 第14-15页 |
| ·在轧钢领域引入智能方法的必要性 | 第15-16页 |
| ·课题来源及其研究意义 | 第16页 |
| ·本课题主要研究内容 | 第16-18页 |
| 第2章 板形控制理论基础 | 第18-42页 |
| ·板形有关基本知识 | 第18-23页 |
| ·板形的概念 | 第18-19页 |
| ·板形的表示方法 | 第19-22页 |
| ·板形良好的几何条件 | 第22-23页 |
| ·板形智能控制理论 | 第23-31页 |
| ·人工神经网络 | 第23-27页 |
| ·模糊理论 | 第27-31页 |
| ·板形模式识别 | 第31-39页 |
| ·模式识别的基本原理 | 第31-32页 |
| ·标准板形模式的选择 | 第32-34页 |
| ·常用的模式识别方法 | 第34-39页 |
| ·四辊轧机板形控制策略 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 倾辊弯辊神经模糊 PID控制研究 | 第42-80页 |
| ·倾辊和弯辊的原理 | 第42-45页 |
| ·常规 PID控制方法 | 第45-55页 |
| ·常规 PID控制原理 | 第45-46页 |
| ·数字 PID控制算法 | 第46-48页 |
| ·PID控制器参数的整定方法 | 第48-52页 |
| ·常规PID倾辊弯辊控制系统 | 第52-55页 |
| ·基于神经网络的模糊PID控制方法 | 第55-60页 |
| ·基于神经网络的模糊 PID倾辊弯辊控制系统结构 | 第55-56页 |
| ·模糊化模块 | 第56-57页 |
| ·自适应神经网络NN | 第57-60页 |
| ·算法程序框图 | 第60页 |
| ·系统仿真 | 第60-79页 |
| ·神经网络仿真器的设计 | 第60-62页 |
| ·仿真结果 | 第62-79页 |
| ·本章小结 | 第79-80页 |
| 第4章 分段冷却自适应模糊控制研究 | 第80-103页 |
| ·分段冷却基本理论 | 第80-81页 |
| ·模糊控制方法 | 第81-87页 |
| ·分段冷却模糊控制系统结构 | 第81-82页 |
| ·模糊控制器 | 第82-87页 |
| ·分段冷却模糊控制系统工作流程 | 第87页 |
| ·自适应模糊控制方法 | 第87-96页 |
| ·分段冷却自适应模糊控制系统结构 | 第89页 |
| ·自适应模糊控制系统参数的确定 | 第89-91页 |
| ·自适应模糊辨识 | 第91-93页 |
| ·模糊模型求逆 | 第93页 |
| ·模糊控制器设计 | 第93-94页 |
| ·分段冷却自适应模糊控制系统工作流程 | 第94-96页 |
| ·系统仿真 | 第96-102页 |
| ·本章小结 | 第102-103页 |
| 第5章 综合仿真软件设计 | 第103-114页 |
| ·仿真语言的选择 | 第103-104页 |
| ·软件设计框图 | 第104-105页 |
| ·软件运行结果 | 第105-113页 |
| ·本章小结 | 第113-114页 |
| 结论 | 第114-116页 |
| 参考文献 | 第116-122页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第122-123页 |
| 致谢 | 第123-124页 |
| 作者简介 | 第124页 |
