首页--工业技术论文--金属学与金属工艺论文--金属压力加工论文--轧制论文--轧制自动化论文

冷连轧机动态变规格厚度控制技术研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-17页
    1.1 研究背景第11-12页
    1.2 冷连轧过程控制模型系统第12-13页
        1.2.1 负荷分配与轧制规程第12页
        1.2.2 轧机参数设定计算第12-13页
        1.2.3 工艺参数的自适应第13页
    1.3 冷连轧动态变规格过程控制第13-14页
        1.3.1 动态变规格概念第13页
        1.3.2 控制目标第13-14页
        1.3.3 国内外发展现状第14页
    1.4 相关控制算法的发展现状第14-16页
        1.4.1 神经网络第14页
        1.4.2 遗传算法第14-15页
        1.4.3 模拟退火算法第15页
        1.4.4 自适应控制第15-16页
    1.5 本文的主要研究内容第16-17页
第2章 冷连轧动态变规格控制技术分析第17-39页
    2.1 概述第17页
    2.2 动态变规格的主要参数第17-21页
        2.2.1 楔形区参数第17-18页
        2.2.2 楔形位置的确定第18-20页
        2.2.3 楔形位置和楔形长度的修正第20-21页
    2.3 动态变规格的基本原理第21-26页
        2.3.1 动态变规格的厚度变化规律第21-22页
        2.3.2 动态变规格的速度变化规律第22-26页
        2.3.3 动态变规格的张力变化规律第26页
    2.4 动态变规格的控制方式第26-28页
    2.5 动态变规格的数学模型第28-37页
        2.5.1 轧制力模型第28-30页
        2.5.2 弹跳方程第30-31页
        2.5.3 前滑模型第31-32页
        2.5.4 流量方程第32页
        2.5.5 张力模型第32-35页
        2.5.6 FGC设定模型第35-37页
    2.6 动态变规格在实际应用中的关键技术第37-38页
        2.6.1 楔形区位置跟踪与定位第37页
        2.6.2 轧制力验证与漂移运算第37-38页
        2.6.3 动态变规格过程监控与分析第38页
    2.7 本章小结第38-39页
第3章 基于神经网络的厚度设定研究第39-55页
    3.1 神经网络第39-45页
        3.1.1 神经网络概述第40-42页
        3.1.2 神经网络结构第42-43页
        3.1.3 神经网络学习第43-44页
        3.1.4 神经网络特点第44-45页
    3.2 BP神经网络第45-48页
        3.2.1 BP网络的基本原理第45-47页
        3.2.2 BP算法的局限与改进第47-48页
    3.3 基于BP网络的轧制力设定第48-51页
        3.3.1 样本的准备第48-49页
        3.3.2 BP神经网络的设计第49-51页
    3.4 Matlab仿真与分析第51-53页
    3.5 本章小结第53-55页
第4章 基于GSA的神经网络厚度设定研究第55-73页
    4.1 遗传算法第55-59页
        4.1.1 遗传算法概述第55-56页
        4.1.2 遗传算法的基本原理第56-57页
        4.1.3 遗传算法的特点第57-59页
    4.2 模拟退火算法第59-63页
        4.2.1 模拟退火算法概述第59-61页
        4.2.2 模拟退火算法的基本原理第61-62页
        4.2.3 模拟退火算法的特点第62-63页
    4.3 基于GSA的BP网络轧制力设定第63-66页
        4.3.1 GSA算法设计第63-65页
        4.3.2 GSA参数设置第65-66页
    4.4 Matlab仿真与分析第66-72页
    4.5 本章小结第72-73页
第5章 基于自适应的厚度补偿研究第73-79页
    5.1 自适应控制第73-74页
    5.2 冷连轧自适应控制第74-75页
    5.3 基于自适应的辊缝设定第75-77页
        5.3.1 辊缝调节量设定第75页
        5.3.2 辊缝调节量自适应第75-77页
    5.4 Matlab仿真与分析第77-78页
    5.5 本章小结第78-79页
第6章 结论与展望第79-81页
参考文献第81-85页
致谢第85-87页
作者介绍及硕士期间发表的论文第87页

论文共87页,点击 下载论文
上一篇:基于产品平台的可定制产品推荐系统研究
下一篇:注意力选择模型的研究及其应用