TCM-FGC轧制力预设定问题的研究
独创性声明 | 第1-4页 |
摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第6-8页 |
第一章 绪论 | 第8-16页 |
·课题意义与背景 | 第8-9页 |
·冷连轧过程控制模型系统概述 | 第9-10页 |
·动态变规格控制的发展现状 | 第10-13页 |
·本文的主要工作 | 第13-16页 |
第二章 TCM-FGC过程基本理论 | 第16-28页 |
·动态变规格概述 | 第16页 |
·动态变规格的控制方式 | 第16-19页 |
·顺流调节法 | 第16-17页 |
·逆流调节法 | 第17-19页 |
·动态变规格楔形区过渡段参数的计算 | 第19-23页 |
·楔形长度 | 第19-20页 |
·楔形起点的位置 | 第20-21页 |
·本钢1700全连续式轧机楔形区过渡方案 | 第21-23页 |
·动态变规格设定模型 | 第23-27页 |
·线性化增量模型 | 第23-24页 |
·非线性全量模型 | 第24-27页 |
·本章小结 | 第27-28页 |
第三章 轧制力参数模型的自适应学习 | 第28-40页 |
·轧制力显式公式的推导 | 第28-31页 |
·Bland-Ford-Hill轧制力公式 | 第28-29页 |
·轧辊压扁公式 | 第29-30页 |
·轧制力显式公式的推导 | 第30-31页 |
·摩擦系数与变形抗力的实际值计算 | 第31-33页 |
·前滑模型 | 第32页 |
·摩擦系数与变形抗力的实际值计算 | 第32-33页 |
·摩擦系数模型与变形抗力模型的自适应学习 | 第33-37页 |
·变形抗力模型自适应学习 | 第35-36页 |
·摩擦系数模型自适应学习 | 第36-37页 |
·本章小结 | 第37-40页 |
第四章 应用综合网络进行轧制力预设定 | 第40-56页 |
·人工神经网络介绍 | 第40-43页 |
·神经元简介 | 第40-41页 |
·人工神经网络的训练 | 第41-43页 |
·EBP算法(反向传播算法)介绍 | 第43-49页 |
·网络的构成 | 第43-45页 |
·训练过程概述 | 第45-46页 |
·误差传播分析 | 第46-48页 |
·基本的EBP算法 | 第48-49页 |
·应用在轧制力预设定问题上的综合网络设计 | 第49-53页 |
·本章EBP神经网络结构的设计 | 第50-51页 |
·原始数据处理 | 第51-52页 |
·本章EBP神经网络算法设计 | 第52-53页 |
·结果实现与分析 | 第53-55页 |
·本章小结 | 第55-56页 |
第五章 结束语 | 第56-58页 |
参考文献 | 第58-62页 |
致谢 | 第62页 |