| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-19页 |
| ·引言 | 第11-12页 |
| ·冷轧薄板带生产技术概况 | 第12-16页 |
| ·薄板带酸洗技术 | 第12页 |
| ·板带冷轧技术 | 第12-15页 |
| ·板带连续退火技术 | 第15页 |
| ·冷轧薄板带生产技术的发展方向 | 第15-16页 |
| ·本课题研究的目的和意义 | 第16-17页 |
| ·本课题的研究内容 | 第17-19页 |
| 第二章 智能优化理论及 MATLAB 简介 | 第19-26页 |
| ·引言 | 第19页 |
| ·人工神经网络 | 第19-21页 |
| ·人工神经网络理论简述 | 第19-20页 |
| ·人工神经网络系统的基本功能及其属性 | 第20-21页 |
| ·BP 神经网络和 BP 算法 | 第21-23页 |
| ·BP 神经网络原理 | 第21-22页 |
| ·BP 神经网络结构 | 第22页 |
| ·BP 神经网络的优点和缺陷 | 第22-23页 |
| ·遗传算法 | 第23-24页 |
| ·遗传算法的基本原理 | 第23页 |
| ·遗传算法的特点 | 第23-24页 |
| ·MATLAB 软件介绍 | 第24-26页 |
| 第三章 数值模拟基本理论与技术 | 第26-35页 |
| ·引言 | 第26页 |
| ·有限元方法简介 | 第26-27页 |
| ·有限元法在轧制中的应用 | 第27页 |
| ·有限元模拟方法 | 第27-33页 |
| ·刚塑性有限元法 | 第28页 |
| ·弹塑性有限元法 | 第28-33页 |
| ·有限变形应变张量 | 第28-30页 |
| ·应变与位移的关系 | 第30-31页 |
| ·弹塑性本构方程 | 第31-33页 |
| ·有限元软件 MARC 简介 | 第33-35页 |
| 第四章 采用 BP-GA 算法优化薄板冷连轧工艺数据 | 第35-47页 |
| ·引言 | 第35页 |
| ·BP-GA 算法 | 第35-36页 |
| ·神经网络的构建 | 第36-37页 |
| ·训练样本和测试样本的选取 | 第37页 |
| ·遗传算法参数的确定 | 第37页 |
| ·网络的训练和检测 | 第37-41页 |
| ·优化结果及分析 | 第41-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 薄板冷连轧过程数值模拟分析 | 第47-66页 |
| ·引言 | 第47页 |
| ·薄板冷连轧有限元模型的建立 | 第47-54页 |
| ·薄板冷连轧模型参数 | 第47-48页 |
| ·几何建模及单元网格划分 | 第48-51页 |
| ·薄板冷连轧有限元模型 | 第51-52页 |
| ·材料属性定义 | 第52-53页 |
| ·边界条件和接触体定义 | 第53页 |
| ·定义工况 | 第53-54页 |
| ·其他参数设置 | 第54页 |
| ·薄板冷连轧过程模拟结果分析对比 | 第54-64页 |
| ·理想板形轧制过程分析 | 第54-58页 |
| ·冷轧薄板带横向变形分析 | 第58-60页 |
| ·轧辊弯曲变形分析 | 第60-63页 |
| ·薄板冷连轧过程轧制压力分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 结论和展望 | 第66-68页 |
| ·课题研究结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 发表论文和科研情况说明 | 第71-72页 |
| 致谢 | 第72-73页 |