五机架冷连轧机轧制规程优化及模型自学习研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·冷轧带钢轧制理论的发展概况 | 第11页 |
| ·冷轧带钢轧制生产的发展的特点及趋势 | 第11-13页 |
| ·冷连轧轧制规程的发展及研究现状 | 第13-16页 |
| ·传统的研究方法 | 第13页 |
| ·人工智能在规程优化中的应用 | 第13-16页 |
| ·模型自学习研究的意义及主要成果 | 第16-17页 |
| ·本文研究的目的、意义及结构安排 | 第17-19页 |
| 第2章 轧制规程主要数学模型及优化策略研究 | 第19-32页 |
| ·冷连轧轧制压力模型 | 第19-21页 |
| ·来料的变形抗力模型 | 第21-22页 |
| ·摩擦系数模型 | 第22页 |
| ·轧制力矩及功率模型 | 第22-23页 |
| ·张力制度的制定 | 第23页 |
| ·末机架压下率的确定 | 第23-24页 |
| ·其他相关模型 | 第24-25页 |
| ·前滑模型 | 第24-25页 |
| ·速度设定模型 | 第25页 |
| ·辊缝的设定 | 第25页 |
| ·轧制规程的优化策略 | 第25-31页 |
| ·轧制能耗目标函数 | 第26页 |
| ·负荷成比例原则 | 第26-27页 |
| ·综合等负荷函数法 | 第27-28页 |
| ·板形板厚综合函数 | 第28页 |
| ·负荷相对均衡目标 | 第28页 |
| ·约束条件的确定 | 第28-29页 |
| ·计算流程 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 自适应遗传算法轧制规程优化 | 第32-42页 |
| ·标准遗传算法 | 第32-36页 |
| ·标准遗传算法的基本要素 | 第32-33页 |
| ·标准遗传算法的优点及计算流程 | 第33-35页 |
| ·自适应遗传算法 | 第35-36页 |
| ·基于自适应遗传算法的轧制力负荷优化 | 第36-41页 |
| ·染色体的编码和评价 | 第37-38页 |
| ·初始种群的组成 | 第38页 |
| ·染色体及各个算子及主要步骤 | 第38-39页 |
| ·搜索比较 | 第39-40页 |
| ·结果分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 改进自适应遗传算法功率负荷优化 | 第42-49页 |
| ·适应度函数的改进 | 第42-43页 |
| ·交叉和变异算子的改进 | 第43-44页 |
| ·优化实现 | 第44-46页 |
| ·主要步骤 | 第46页 |
| ·搜索比较 | 第46-47页 |
| ·结果比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 轧制力模型自学习的研究 | 第49-60页 |
| ·轧制力的模型自适应与自学习 | 第49-54页 |
| ·数学模型自学习的必要性 | 第49-50页 |
| ·模型自适应与自学习的原理 | 第50-54页 |
| ·间接轧制力模型的自学习研究 | 第54-57页 |
| ·平均变形抗力和摩擦系数的学习搜索 | 第54-55页 |
| ·平均变形抗力和摩擦系数模型自学习 | 第55-57页 |
| ·计算实例 | 第57-59页 |
| ·自学习注意的问题 | 第59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
