基于神经网络的中厚板轧制力预报
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·中厚板生产发展概况 | 第9页 |
| ·轧制力数学模型的发展 | 第9-10页 |
| ·神经网络在轧制力预报的现状 | 第10-12页 |
| ·国外研究发展状况 | 第11页 |
| ·国内研究发展状况 | 第11-12页 |
| ·课题研究的背景及意义 | 第12-13页 |
| ·课题研究背景 | 第12-13页 |
| ·课题研究意义 | 第13页 |
| ·本文主要工作 | 第13-15页 |
| 第二章 轧制力数学模型介绍 | 第15-27页 |
| ·概述 | 第15-16页 |
| ·轧制力数学模型 | 第16-21页 |
| ·Sims 轧制力模型 | 第16-17页 |
| ·应力状态系数数学模型 | 第17-18页 |
| ·变形阻力数学模型 | 第18-21页 |
| ·艾克隆德轧制力数学模型 | 第21-22页 |
| ·与轧制力相关的轧制过程数学模型 | 第22-23页 |
| ·轧制力矩 | 第22页 |
| ·辊缝模型 | 第22-23页 |
| ·对 Sims 数学模型的改进 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 基于 BP 神经网络的轧制力修正模型 | 第27-45页 |
| ·神经网络的介绍 | 第27-30页 |
| ·神经元模型 | 第28页 |
| ·神经网络的结构 | 第28-29页 |
| ·神经网络的学习方法 | 第29-30页 |
| ·神经网络的基本模型 | 第30页 |
| ·BP 神经网络 | 第30-35页 |
| ·BP 神经网络学习算法 | 第31-33页 |
| ·BP 神经网络学习算法的改进 | 第33-34页 |
| ·中间层神经元个数的确定方法 | 第34-35页 |
| ·基于 BP 神经网络的轧制力预报模型 | 第35-43页 |
| ·轧制力神经网络模型的建立 | 第35-36页 |
| ·神经网络输入输出变量的确定 | 第36-38页 |
| ·隐层神经元个数的选择 | 第38页 |
| ·学习速率和动量因子的确定 | 第38-41页 |
| ·神经网络权值的确定 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 轧制力预报软件的开发与实现 | 第45-59页 |
| ·轧制力预报软件的结构与开发工具 | 第45-46页 |
| ·轧制力预报软件结构 | 第45-46页 |
| ·开发工具 | 第46页 |
| ·数据存储模块 | 第46-49页 |
| ·与基础自动化层通讯 | 第49-53页 |
| ·神经网络预报与自学习模块 | 第53-54页 |
| ·预报软件的运行仿真 | 第54-58页 |
| ·轧制力预报软件的界面介绍 | 第54-57页 |
| ·轧制力预报软件运行结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67-68页 |
