| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景与实际意义 | 第10-11页 |
| ·连续退火炉控制系统的发展现状 | 第11-14页 |
| ·本文的主要工作 | 第14-16页 |
| 第2章 不锈钢连续退火炉温度控制系统研究 | 第16-36页 |
| ·不锈钢连续退火酸洗生产线工艺介绍 | 第16-21页 |
| ·不锈钢连续退火酸洗生产线总体概述 | 第16-19页 |
| ·不锈钢连续退火炉的工艺介绍 | 第19-21页 |
| ·双交叉限幅燃烧控制基本原理 | 第21-28页 |
| ·双交叉限幅燃烧控制的基本原理 | 第21-26页 |
| ·基于残氧补偿的加热炉燃烧控制策略 | 第26-28页 |
| ·不锈钢连续退火炉温度控制系统 | 第28-35页 |
| ·燃气流量控制回路和空气流量控制回路组成 | 第29-30页 |
| ·基于DCS的炉温控制系统组成 | 第30-33页 |
| ·基于DCS的带钢温度控制系统组成 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于RBF神经网络的炉温模型辨识 | 第36-50页 |
| ·不锈钢连续退火炉加热段炉温控制工艺特性分析 | 第36-37页 |
| ·基于RBF神经网络的系统辨识基础 | 第37-43页 |
| ·系统辨识的内涵 | 第38-39页 |
| ·RBF神经网络及其学习算法 | 第39-42页 |
| ·神经网络辨识非线性系统的可行性 | 第42-43页 |
| ·基于RBF神经网络辨识连续退火炉加热段炉温动态模型 | 第43-49页 |
| ·基于RBF神经网络辨识退火炉温度模型 | 第43-46页 |
| ·RBF神经网络辨识退火炉模型的MATLAB仿真 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于PSO-ANFIS的炉温控制系统 | 第50-68页 |
| ·模糊控制策略 | 第50-52页 |
| ·神经模糊控制策略 | 第52-59页 |
| ·模糊控制和神经网络的融合 | 第52-53页 |
| ·基于T-S模型的ANFIS结构 | 第53-56页 |
| ·基于T-S模型的ANFIS学习算法 | 第56-59页 |
| ·粒子群优化算法 | 第59-61页 |
| ·粒子群优化算法概述 | 第59-60页 |
| ·标准粒子群优化算法 | 第60-61页 |
| ·基于PSO-ANFIS的炉温控制系统仿真 | 第61-67页 |
| ·控制系统结构设计 | 第62-63页 |
| ·PSO-ANFIS控制器的设计与MATLAB仿真研究 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 总结 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |