| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究的背景与意义 | 第9-11页 |
| ·研究历史、现状与发展 | 第11-13页 |
| ·国内外平整机发展状况 | 第11页 |
| ·轧制理论发展 | 第11-12页 |
| ·国内外神经网络在轧制领域的应用 | 第12-13页 |
| ·研究的主要内容 | 第13-15页 |
| 2 平整机延伸率控制系统 | 第15-21页 |
| ·延伸率测量原理 | 第15-16页 |
| ·平整延伸率控制的主要方法 | 第16-18页 |
| ·通过调节前后S辊的速度实现带钢延伸率自动控制 | 第16-17页 |
| ·通过调节带钢张力实现带钢延伸率自动控制 | 第17页 |
| ·通过调节轧制压力实现带钢延伸率自动控制 | 第17-18页 |
| ·三种延伸率控制方式实际使用情况 | 第18页 |
| ·平整机延伸率控制系统简介 | 第18-19页 |
| ·平整机延伸率控制系统的主要问题分析 | 第19-21页 |
| 3 带钢平整轧制的轧制力数学模型 | 第21-29页 |
| ·轧制压力数学模型在轧制过程中的作用 | 第21页 |
| ·冷轧带钢轧制力模型 | 第21-29页 |
| ·冷轧轧制压力的工程计算公式 | 第21-24页 |
| ·计算平整轧制压力的Bland-Ford-Hill公式 | 第24-28页 |
| ·平整轧制时轧辊压扁半径的确定 | 第28-29页 |
| 4 小波神经网络在延伸率控制中的应用 | 第29-45页 |
| ·小波神经网络的理论基础与构造 | 第29-35页 |
| ·小波理论基础 | 第29-32页 |
| ·小波神经网络的理论基础 | 第32-33页 |
| ·小波神经网络的构造 | 第33-35页 |
| ·小波网络的学习算法研究 | 第35-38页 |
| ·最小二乘算法 | 第36-37页 |
| ·改进的BP算法 | 第37-38页 |
| ·小波神经网络在轧制力预测中的应用 | 第38-45页 |
| ·数据来源 | 第38-40页 |
| ·用于轧制力预报的小波神经网络 | 第40-43页 |
| ·小波神经网络预测与数学模型比较 | 第43-45页 |
| 5 预测函数控制在延伸率控制系统中的应用研究 | 第45-56页 |
| ·预测函数控制的基本原理及算法研究 | 第45-51页 |
| ·基函数的选择 | 第46页 |
| ·参考轨迹 | 第46页 |
| ·预测模型 | 第46-48页 |
| ·误差补偿 | 第48页 |
| ·过程预测输出 | 第48页 |
| ·优化目标函数及控制量的计算方程 | 第48-51页 |
| ·预测函数控制在延伸率控制系统中的应用 | 第51-56页 |
| ·PFC-PID串级延伸率控制系统结构 | 第51-53页 |
| ·仿真研究 | 第53-56页 |
| 6 结论与展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士期间发表论文以及参与科研工作情况 | 第61页 |