面向冷轧机的板形预测模型与广义预测控制算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-28页 |
| ·引言 | 第12-13页 |
| ·板形测控研究状况 | 第13-18页 |
| ·板形测控系统研究的内容 | 第13-14页 |
| ·板形测控技术的特点 | 第14-15页 |
| ·板形测控技术的发展方向 | 第15-16页 |
| ·国外研究概况 | 第16-17页 |
| ·国内研究概况 | 第17-18页 |
| ·人工神经网络的研究状况 | 第18-22页 |
| ·人工神经网络的发展 | 第18-20页 |
| ·人工神经网络在轧制领域应用现状 | 第20-22页 |
| ·广义预测控制的研究状况 | 第22-26页 |
| ·国内外研究状况 | 第23-25页 |
| ·广义预测控制在板形控制中的应用 | 第25-26页 |
| ·课题来源及研究内容 | 第26-28页 |
| ·课题来源 | 第26页 |
| ·主要研究内容 | 第26-28页 |
| 第2章 板形测控原理及其模型 | 第28-49页 |
| ·引言 | 第28页 |
| ·板形的基本概念 | 第28-38页 |
| ·板形的概念 | 第28-31页 |
| ·板形良好的几何条件 | 第31-32页 |
| ·板形的表示方法 | 第32-34页 |
| ·板形缺陷 | 第34-38页 |
| ·板形测控系统 | 第38-40页 |
| ·板形控制原理 | 第38-39页 |
| ·板形测控系统模型 | 第39-40页 |
| ·板形测量 | 第40-42页 |
| ·板形控制基本方法 | 第42-46页 |
| ·板形计算机控制模型 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第3章 基于分布式神经网络的板形预测模型 | 第49-68页 |
| ·引言 | 第49页 |
| ·分布式DR 神经网络 | 第49-61页 |
| ·分布式 DR 网络结构 | 第51页 |
| ·对角递归神经网络 | 第51-55页 |
| ·模糊分类器 | 第55-60页 |
| ·分布式神经网络综合 | 第60-61页 |
| ·预测模型在线校正算法 | 第61-63页 |
| ·基于分布式DR 神经网络的板形预测模型 | 第63-66页 |
| ·预测模型结构 | 第63页 |
| ·板形预测模型的建立 | 第63-64页 |
| ·仿真研究 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第4章 改进的直接广义预测控制算法 | 第68-91页 |
| ·引言 | 第68页 |
| ·直接广义预测控制 | 第68-75页 |
| ·广义预测控制基本方法 | 第68-71页 |
| ·直接广义预测控制算法 | 第71-75页 |
| ·模型校正方法的改进 | 第75-85页 |
| ·遗忘因子递推最小二乘算法 | 第76-79页 |
| ·极大似然估计方法 | 第79-83页 |
| ·改进的递推极大似然法 | 第83-85页 |
| ·改进的直接广义预测控制算法 | 第85-90页 |
| ·新型迭代优化算法 | 第85-88页 |
| ·抑制超调量的策略 | 第88-89页 |
| ·仿真研究 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 液压弯辊系统广义预测控制应用研究 | 第91-104页 |
| ·引言 | 第91页 |
| ·液压弯辊控制系统 | 第91-95页 |
| ·系统组成 | 第91-92页 |
| ·数学模型 | 第92-95页 |
| ·液压弯辊系统的常用控制算法 | 第95-99页 |
| ·PID 控制算法 | 第95-97页 |
| ·模糊控制算法 | 第97-99页 |
| ·基于改进直接广义预测的液压弯辊控制系统 | 第99-103页 |
| ·液压弯辊力控制器 | 第99-101页 |
| ·控制系统仿真 | 第101-103页 |
| ·本章小结 | 第103-104页 |
| 结论 | 第104-106页 |
| 参考文献 | 第106-115页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第115-116页 |
| 致谢 | 第116-117页 |
| 作者简介 | 第117页 |
