| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景 | 第9-11页 |
| ·冷轧板带材生产发展综述 | 第9页 |
| ·轧制理论发展概况 | 第9-10页 |
| ·人工智能研究现状 | 第10-11页 |
| ·冷连轧机计算机控制系统简介 | 第11-13页 |
| ·生产管理级(L3) | 第11-12页 |
| ·过程控制级(L2) | 第12-13页 |
| ·基础自动化级(L1) | 第13页 |
| ·课题意义及主要内容 | 第13-17页 |
| ·课题研究意义 | 第13-15页 |
| ·研究内容 | 第15-17页 |
| 第2章 轧制力模型理论基础 | 第17-28页 |
| ·冷轧轧制变形区及其参数 | 第17-20页 |
| ·基本参数 | 第17-18页 |
| ·变形系数 | 第18页 |
| ·绝对和相对压下量 | 第18-19页 |
| ·变形速度 | 第19页 |
| ·轧制时的前滑 | 第19-20页 |
| ·冷轧轧制力数学模型 | 第20-24页 |
| ·Bland-Ford-Hill 隐式模型 | 第22-23页 |
| ·Bland-Ford-Hill 显式模型 | 第23-24页 |
| ·影响轧制力的主要因素 | 第24-26页 |
| ·变形抗力对轧制力的影响 | 第24-25页 |
| ·摩擦系数对轧制力的影响 | 第25-26页 |
| ·张力系数对轧制力的影响 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 神经网络轧制力模型设计 | 第28-39页 |
| ·人工神经网络基础知识 | 第28-30页 |
| ·神经网络的分类 | 第28页 |
| ·神经网络的学习方法 | 第28-29页 |
| ·神经网络的学习规则 | 第29-30页 |
| ·BP 神经网络 | 第30-34页 |
| ·网络拓扑结构 | 第30页 |
| ·BP 算法原理 | 第30-32页 |
| ·BP 算法流程 | 第32-34页 |
| ·BP 神经网络轧制力模型设计 | 第34-38页 |
| ·模型结构设计 | 第34-36页 |
| ·BP 算法参数设定 | 第36-37页 |
| ·网络学习过程 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 蚁群算法-BP 神经网络轧制力模型实例 | 第39-48页 |
| ·概述 | 第39-40页 |
| ·蚁群算法原理 | 第40-42页 |
| ·基本蚁群算法 | 第40-41页 |
| ·最大-最小蚂蚁系统 | 第41-42页 |
| ·MMAS-BP 算法设计 | 第42-45页 |
| ·蚁群初始化 | 第42页 |
| ·适应度评价 | 第42-43页 |
| ·算法参数选择 | 第43-45页 |
| ·算法流程 | 第45页 |
| ·仿真实例分析 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 神经网络轧制力模型在冷轧轧制负荷分配优化中的应用 | 第48-58页 |
| ·冷轧轧制负荷分配的计算特点 | 第48-49页 |
| ·冷连轧轧制负荷分配的优化设计 | 第49-55页 |
| ·压下方式 | 第49-50页 |
| ·目标函数 | 第50-51页 |
| ·约束条件 | 第51-52页 |
| ·优化方法 | 第52-53页 |
| ·数学模型 | 第53-55页 |
| ·实例分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |