| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 本课题研究的背景和意义 | 第9-11页 |
| 1.2 AGC 技术发展综述 | 第11-13页 |
| 1.2.1 自动厚度控制技术发展概述 | 第11-12页 |
| 1.2.2 国内外发展现状 | 第12-13页 |
| 1.2.3 AGC 发展趋势 | 第13页 |
| 1.3 预测控制研究现状 | 第13-15页 |
| 1.3.1 预测控制发展概述 | 第14页 |
| 1.3.2 预测控制研究现状和发展趋势 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第二章 AGC 控制理论及其简化模型 | 第17-33页 |
| 2.1 影响带钢厚度变化的因素 | 第17页 |
| 2.2 轧机厚度控制基本原理 | 第17-22页 |
| 2.2.1 轧机模型及其弹跳曲线 | 第18-20页 |
| 2.2.2 带钢的塑性变形曲线及塑性方程 | 第20-21页 |
| 2.2.3 带钢厚度控制基本原理 | 第21-22页 |
| 2.3 AGC 的基本形式及控制原理 | 第22-27页 |
| 2.3.1 反馈式 AGC | 第23-25页 |
| 2.3.2 前馈式 AGC | 第25-26页 |
| 2.3.3 张力 AGC | 第26-27页 |
| 2.3.4 秒流量 AGC | 第27页 |
| 2.4 冷连轧机液压 AGC 数学模型 | 第27-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 基于软测量的带钢厚度预测 | 第33-49页 |
| 3.1 软测量技术基本原理 | 第33-36页 |
| 3.1.1 辅助变量的选取 | 第34页 |
| 3.1.2 数据采集和预处理 | 第34-35页 |
| 3.1.3 辅助变量和主导变量的时序匹配 | 第35页 |
| 3.1.4 软测量模型的建立 | 第35页 |
| 3.1.5 软测量模型的在线校正 | 第35-36页 |
| 3.2 软测量建模方法概述 | 第36-37页 |
| 3.3 带钢厚度预测软测量建模方法研究 | 第37-47页 |
| 3.3.1 软测量数据处理 | 第38-39页 |
| 3.3.2 RBF 神经网络软测量模型 | 第39-42页 |
| 3.3.3 RBF 模糊神经网络软测量模型 | 第42-47页 |
| 3.3.3.1 模糊神经网络 | 第42页 |
| 3.3.3.2 模糊神经网络模型 | 第42-45页 |
| 3.3.3.3 RBF 模糊神经网络软测量模型仿真研究 | 第45-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 基于软测量的预测控制技术研究 | 第49-63页 |
| 4.1 广义预测控制原理 | 第49-55页 |
| 4.1.1 广义预测控制的算法原理 | 第50-53页 |
| 4.1.2 改进的广义预测控制算法 | 第53-55页 |
| 4.2 基于软测量模型的广义预测控制 | 第55-59页 |
| 4.2.1 基于软测量的广义预测控制框图 | 第56页 |
| 4.2.2 模型预测 | 第56-57页 |
| 4.2.3 反馈校正 | 第57页 |
| 4.2.4 参考轨迹 | 第57-58页 |
| 4.2.5 滚动优化 | 第58-59页 |
| 4.3 基于软测量的广义预测控制性能研究 | 第59-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间所取得的相关科研成果 | 第69页 |