| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 热连轧的研究现状 | 第9页 |
| 1.2 粒子群算法的发展现状 | 第9-11页 |
| 1.2.1 粒子群算法的研究进展 | 第9-10页 |
| 1.2.2 粒子群算法的改进现状 | 第10-11页 |
| 1.3 人工神经网络概述 | 第11页 |
| 1.4 动态变规格的发展现状 | 第11-12页 |
| 1.5 课题的研究意义 | 第12页 |
| 1.6 课题的主要研究内容 | 第12-14页 |
| 第2章 动态变规格研究 | 第14-28页 |
| 2.1 带钢热连轧生产工艺 | 第14-16页 |
| 2.2 动态变规格技术 | 第16-20页 |
| 2.2.1 FGC楔形过渡区 | 第17-18页 |
| 2.2.2 动态变规格调节方式 | 第18-20页 |
| 2.3 动态变规格设定模型 | 第20-25页 |
| 2.3.1 线性化增量模型 | 第20-23页 |
| 2.3.2 非线性全量模型 | 第23-25页 |
| 2.4 动态变规格举例 | 第25-28页 |
| 第3章 粒子群算法的改进 | 第28-38页 |
| 3.1 粒子群算法的基本原理 | 第28-30页 |
| 3.2 PSO算法的改进现状 | 第30-31页 |
| 3.3 本文对粒子群算法的改进 | 第31-38页 |
| 3.3.1 PSO-NIW的基本步骤 | 第32-33页 |
| 3.3.2 PSO算法的测试函数 | 第33-38页 |
| 第4章 PSO算法优化神经网络 | 第38-50页 |
| 4.1 BP神经网络模型 | 第38-41页 |
| 4.1.1 BP网络的拓补结构 | 第38-39页 |
| 4.1.2 BP网络算法 | 第39-41页 |
| 4.2 粒子群算法优化BP神经网络 | 第41-42页 |
| 4.2.1 粒子群算法优化神经网络的可行性分析 | 第41-42页 |
| 4.2.2 粒子群算法优化BP神经网络的优点 | 第42页 |
| 4.3 粒子群算法优化BP神经网络的方法 | 第42-45页 |
| 4.3.1 神经网络的结构设计 | 第42-43页 |
| 4.3.2 PSO优化神经网络参数 | 第43-45页 |
| 4.4 PSO优化BP神经网络的运算步骤 | 第45-46页 |
| 4.5 仿真实验 | 第46-50页 |
| 第5章 带钢热连轧动态变规格仿真研究 | 第50-60页 |
| 5.1 活套控制系统 | 第50-52页 |
| 5.1.1 活套控制系的控制方式 | 第50-51页 |
| 5.1.2 活套系统基本方程 | 第51-52页 |
| 5.2 热连轧动态变规格控制 | 第52-54页 |
| 5.3 基于改进PSO优化算法的BP神经网络对活套系统的解耦控制 | 第54-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 导师简介 | 第66-67页 |
| 作者简介 | 第67-68页 |
| 学位论文数据集 | 第68页 |