| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 引言 | 第6-7页 |
| 1 概述 | 第7-15页 |
| 1.1 课题背景及研究的目的和意义 | 第7-8页 |
| 1.2 国内外相关研究概况及发展趋势 | 第8-14页 |
| 1.2.1 热轧生产技术及发展 | 第8-9页 |
| 1.2.2 板形控制技术及发展 | 第9-12页 |
| 1.2.3 数学控制模型及发展 | 第12-14页 |
| 1.3 论文的主要内容与章节安排 | 第14-15页 |
| 2 LVC轧机板形设定模型研究 | 第15-27页 |
| 2.1 鞍钢2150线精轧机组设备布置及板形控制机理 | 第15-17页 |
| 2.2 衡量带钢板形质量的重要指标-凸度的概念 | 第17页 |
| 2.3 LVC轧机板形设定模型 | 第17-25页 |
| 2.3.1 板形设定模型运行环境 | 第17-18页 |
| 2.3.2 板形设定模型综述 | 第18-21页 |
| 2.3.3 板形设定模型各功能模块作用 | 第21-25页 |
| 2.4 现有板形设定模型存在的不足 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于BP神经网络的板形设定模型 | 第27-50页 |
| 3.1 数学模型“层别”的引入 | 第27-29页 |
| 3.2 BP神经网络结构的确定 | 第29-35页 |
| 3.2.1 BP神经网络输入与输出节点的确定 | 第30-33页 |
| 3.2.2 BP神经网络隐层与隐层节点的确定 | 第33-35页 |
| 3.3 BP神经网络模型的实现 | 第35-41页 |
| 3.3.1 BP神经网络模型的开发 | 第35-37页 |
| 3.3.2 外挂服务器的搭建与通讯程序的开发 | 第37-39页 |
| 3.3.3 HMI人机交互界面的设计与制作 | 第39-41页 |
| 3.4 BP神经网络的训练与测试 | 第41-49页 |
| 3.4.1 训练集数据的处理 | 第41-45页 |
| 3.4.2 BP神经网络的训练与测试 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于BP神经网络的热轧板形设定模型性能分析 | 第50-55页 |
| 4.1 BP神经网络预报精度性能分析 | 第50-54页 |
| 4.2 BP神经网络模型设定结果的实际应用 | 第54页 |
| 4.3 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-60页 |