| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 图目录 | 第10-12页 |
| 表目录 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| ·课题研究的目的与意义 | 第13页 |
| ·国内外平整机发展状况 | 第13-15页 |
| ·人工智能在轧制领域的应用 | 第15-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第2章 双机架平整机控制系统及其工艺分析 | 第18-33页 |
| ·双机架平整机延伸率控制系统简介 | 第18-21页 |
| ·延伸率控制的基本原理 | 第21-26页 |
| ·延伸率的定义 | 第21-23页 |
| ·延伸率的控制方式 | 第23-24页 |
| ·延伸率控制方式的选择 | 第24-26页 |
| ·延伸率的影响因素 | 第26页 |
| ·双机架平整机延伸率控制模型 | 第26-30页 |
| ·双机架平整机平整方式 | 第26-27页 |
| ·双机架平整机延伸率控制方式 | 第27-28页 |
| ·本文双机架平整机控制模型 | 第28-30页 |
| ·液压压下控制系统 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于小波神经网络的轧制力预报模型的研究 | 第33-57页 |
| ·冷轧带钢轧制力数学模型 | 第33-37页 |
| ·Bland-Ford-Hill 轧制力公式 | 第33-35页 |
| ·轧辊压扁公式 | 第35页 |
| ·轧制力显式公式的推导 | 第35-37页 |
| ·神经网络理论 | 第37-39页 |
| ·神经网络的发展 | 第37-38页 |
| ·神经网络的类型 | 第38页 |
| ·神经网络的特点 | 第38-39页 |
| ·小波神经网络 | 第39-49页 |
| ·小波分析及变换 | 第39-42页 |
| ·小波神经网络构造的基础 | 第42-43页 |
| ·小波分析与神经网络的结合途径 | 第43-45页 |
| ·小波神经网络的学习算法 | 第45-49页 |
| ·小波神经网络在轧制力预报中的应用 | 第49-55页 |
| ·小波神经网络的结构确定 | 第49-50页 |
| ·网络输入、输出变量的选择 | 第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50-51页 |
| ·网络参数初始值的选取 | 第51页 |
| ·激励函数的选择 | 第51页 |
| ·隐含层数及其隐节点数的选取 | 第51-52页 |
| ·两种网络建模的对比 | 第52-55页 |
| ·本章小结 | 第55-57页 |
| 第4章 DMC-PID 串级控制在延伸率控制系统中的应用 | 第57-78页 |
| ·串级控制系统 | 第57-58页 |
| ·串级控制系统结构 | 第57页 |
| ·串级控制的工作过程及其优点 | 第57-58页 |
| ·串级控制系统的设计原则 | 第58页 |
| ·动态矩阵控制的算法研究及参数设计 | 第58-67页 |
| ·动态矩阵算法研究 | 第59-64页 |
| ·动态矩阵控制的参数设计 | 第64-67页 |
| ·DMC-PID 在延伸率控制系统中的应用 | 第67-77页 |
| ·DMC-PID 串级延伸率控制系统结构 | 第67-68页 |
| ·仿真研究 | 第68-75页 |
| ·现场调试 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第5章 结论与展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 在学期间发表的学术论文和参加科研情况 | 第85页 |