| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景及研究目的和意义 | 第10页 |
| 1.2 冷轧板带自动厚度控制系统概述 | 第10-11页 |
| 1.3 冷轧APC系统发展过程及现状 | 第11-13页 |
| 1.3.1 冷轧APC系统发展简介 | 第11-12页 |
| 1.3.2 冷轧控制领域现状 | 第12-13页 |
| 1.4 智能控制技术的发展及其在冷轧领域的应用 | 第13-15页 |
| 1.4.1 智能控制技术发展现状和方向 | 第13-14页 |
| 1.4.2 智能控制在冷轧领域的应用 | 第14-15页 |
| 1.5 主要研究内容及结构安排 | 第15-17页 |
| 第2章 冷轧APC系统数学建模 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 冷轧AGC系统简介 | 第17-18页 |
| 2.3 冷轧APC系统介绍 | 第18-23页 |
| 2.3.1 伺服阀大器 | 第18-19页 |
| 2.3.2 电液伺服阀 | 第19-20页 |
| 2.3.3 阀控液压缸 | 第20-23页 |
| 2.3.4 位移传感器 | 第23页 |
| 2.4 冷轧APC系统数学模型 | 第23-25页 |
| 2.4.1 冷轧APC系统非线性模型 | 第23-24页 |
| 2.4.2 冷轧APC系统线性模型 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 分数阶PID的实现 | 第26-34页 |
| 3.1 引言 | 第26页 |
| 3.2 分数阶微积分定义及其性质 | 第26-28页 |
| 3.2.1 分数阶微积分定义 | 第26-27页 |
| 3.2.2 分数阶微积分性质 | 第27-28页 |
| 3.3 分数阶微积分的离散化方式 | 第28-30页 |
| 3.3.1 分数阶的间接离散化方式 | 第28-29页 |
| 3.3.2 分数阶的直接离散化方式 | 第29-30页 |
| 3.4 分数阶PID各参数意义 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于PSO算法的APC系统FOPID控制 | 第34-48页 |
| 4.1 引言 | 第34页 |
| 4.2 改进的多目标粒子群算法 | 第34-42页 |
| 4.2.1 标准粒子群算法 | 第35-36页 |
| 4.2.2 多目标最小值优化问题 | 第36-37页 |
| 4.2.3 粒子群算法研究现状以及研究方向 | 第37-38页 |
| 4.2.4 改进的多目标粒子群算法 | 第38-42页 |
| 4.3 基于IMOPSO算法的分数阶PID参数整定 | 第42-46页 |
| 4.3.1 目标函数的选择 | 第42-43页 |
| 4.3.2 仿真结果分析 | 第43-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 基于分数阶PID算法的APC系统神经网络控制 | 第48-61页 |
| 5.1 引言 | 第48页 |
| 5.2 基于RBF神经网络的控制器参数整定 | 第48-53页 |
| 5.2.1 神经网络概述 | 第48-50页 |
| 5.2.2 基于RBF网络的分数阶PID参数在线整定 | 第50-53页 |
| 5.3 基于PSO算法的RBF网络全优化 | 第53-57页 |
| 5.3.1 带有2次变异机制的PSO算法 | 第53-54页 |
| 5.3.2 基于 2MPSO算法的RBF网络全优化 | 第54-56页 |
| 5.3.3 算法验证 | 第56-57页 |
| 5.4 仿真结果分析 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68页 |
