基于SVM热轧板形智能识别方法
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·板形识别的研究现状及发展趋势 | 第11-12页 |
| ·热连轧控制技术 | 第12-14页 |
| ·板形控制技术研究现状 | 第12-13页 |
| ·带钢热连轧控制系统 | 第13-14页 |
| ·论文的主要研究内容 | 第14-16页 |
| 第二章 热轧板形理论 | 第16-24页 |
| ·板形理论 | 第16-20页 |
| ·板形的概念 | 第16-17页 |
| ·板形的表示方法 | 第17-18页 |
| ·常见板形缺陷模式的分类 | 第18-20页 |
| ·板形设定和控制模型 | 第20-22页 |
| ·板形设定和控制模型概述 | 第20页 |
| ·WRB/WRS 轧机的板形设定模型（SSU） | 第20-21页 |
| ·PC 轧机的板形设定模型（PCSU） | 第21-22页 |
| ·带钢板形控制系统 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 板形模式识别方法 | 第24-30页 |
| ·传统的板形识别方法 | 第24-26页 |
| ·智能板形识别方法 | 第26-29页 |
| ·神经网络 | 第26-27页 |
| ·模糊分类 | 第27页 |
| ·遗传算法 | 第27-28页 |
| ·粒子群优化算法 | 第28页 |
| ·混沌优化方法 | 第28-29页 |
| ·支持向量机 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 热轧板形检测方法 | 第30-38页 |
| ·板形检测研究现状 | 第30页 |
| ·板形检测方法分类 | 第30-31页 |
| ·几种常见板形检测方法 | 第31-36页 |
| ·非接触式感应传感器 | 第31页 |
| ·激光三角法 | 第31-33页 |
| ·激光莫尔法 | 第33-34页 |
| ·多束激光截面法 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第五章 基于 SVM 的热轧板形识别 | 第38-50页 |
| ·支持向量机概述 | 第38-44页 |
| ·支持向量机基本原理 | 第39-41页 |
| ·支持向量机用于多分类理论 | 第41-43页 |
| ·支持向量机核函数选取以及参数优化 | 第43-44页 |
| ·系统实现 | 第44-49页 |
| ·板形检测信号的提取及数据预处理 | 第44页 |
| ·分类器设计 | 第44-45页 |
| ·参数优化及仿真结果分析 | 第45-47页 |
| ·与 BP 算法分类器对比分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 附录 | 第58页 |
