单机架冷轧机过程控制系统与轧制力预测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·研究背景 | 第9-11页 |
| ·轧钢技术的发展 | 第9页 |
| ·冷轧带钢介绍 | 第9-10页 |
| ·数学模型和人工智能应用 | 第10-11页 |
| ·国内外冷轧机和人工智能的发展 | 第11-13页 |
| ·国外冷轧机的发展 | 第11页 |
| ·国内冷轧机的发展 | 第11-12页 |
| ·人工智能的发展 | 第12-13页 |
| ·冷轧过程控制系统介绍 | 第13-14页 |
| ·课题研究的意义以及研究的主要内容 | 第14-17页 |
| ·课题研究的意义 | 第14-15页 |
| ·课题研究的主要内容 | 第15-17页 |
| 2 单机架冷轧机轧制参数理论基础 | 第17-26页 |
| ·轧制过程中的基本参数 | 第17-21页 |
| ·轧制变形 | 第17-18页 |
| ·变形量介绍 | 第18-19页 |
| ·咬入角与接触弧长度 | 第19-21页 |
| ·轧制过程中的模型参数 | 第21-25页 |
| ·变形抗力 | 第21页 |
| ·前滑 | 第21-24页 |
| ·单位轧制力计算 | 第24-25页 |
| ·小结 | 第25-26页 |
| 3 轧制规程计算 | 第26-36页 |
| ·分配策略 | 第26-28页 |
| ·轧制道次确定 | 第26-27页 |
| ·负荷分配模式和初始厚度计算 | 第27-28页 |
| ·功率平衡模式负荷分配计算 | 第28-33页 |
| ·经典法功率平衡模式负荷分配 | 第28-30页 |
| ·速度法功率平衡模式负荷分配 | 第30-33页 |
| ·张力设定 | 第33-34页 |
| ·负荷分配修正 | 第34页 |
| ·小结 | 第34-36页 |
| 4 单机架数学模型设定计算 | 第36-53页 |
| ·变形抗力计算模型 | 第38页 |
| ·摩擦系数计算模型 | 第38-39页 |
| ·轧制力计算模型 | 第39-40页 |
| ·轧制力隐式计算模型 | 第39-40页 |
| ·轧制力显式计算模型 | 第40页 |
| ·前滑模型 | 第40-41页 |
| ·轧制扭矩计算模型 | 第41-42页 |
| ·马达功率计算模型 | 第42页 |
| ·实例研究 | 第42-46页 |
| ·现场实际参数 | 第42-43页 |
| ·过程控制系统的计算机离线模拟数据 | 第43-45页 |
| ·模拟数据与现场实际数据比较 | 第45-46页 |
| ·自适应计算功能 | 第46-48页 |
| ·模型自适应学习的意义 | 第46-48页 |
| ·模型自适应学习的算法 | 第48页 |
| ·指数平滑法的模型自适应学习 | 第48-51页 |
| ·自适应学习过程 | 第48-49页 |
| ·轧制力自适应学习 | 第49-51页 |
| ·采用指数平滑法的实例分析 | 第51-52页 |
| ·小结 | 第52-53页 |
| 5 神经网络和数学模型结合轧制力预测研究 | 第53-62页 |
| ·利用神经网络预测轧制力 | 第53-54页 |
| ·BP神经网络和数学模型结合轧制力预测模型设计 | 第54-58页 |
| ·BP神经网络结构设计 | 第54-57页 |
| ·BP神经网络参数的选择 | 第57页 |
| ·BP算法计算过程 | 第57-58页 |
| ·实例分析 | 第58-60页 |
| ·小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
