冷连轧板形自适应控制系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景和研究的意义 | 第11页 |
| ·板形控制系统的发展概况 | 第11-15页 |
| ·板形模式识别方法的研究进展 | 第11-12页 |
| ·板形控制技术的发展 | 第12-14页 |
| ·板形控制的未来发展方向 | 第14-15页 |
| ·本文主要工作 | 第15-17页 |
| 第2章 板形基础知识 | 第17-25页 |
| ·板形的定义 | 第17页 |
| ·板形表示方法 | 第17-21页 |
| ·相对长度差表示法 | 第17-18页 |
| ·波形表示法 | 第18-20页 |
| ·张应力差表示法 | 第20页 |
| ·带钢断面形状的多项式表达法 | 第20-21页 |
| ·良好板形的条件 | 第21-22页 |
| ·板形缺陷的分类 | 第22-23页 |
| ·影响板形的因素 | 第23-24页 |
| ·板形的控制手段 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第3章 板形智能识别方法的研究 | 第25-43页 |
| ·板形模式识别方法 | 第25-27页 |
| ·传统板形模式识别方法 | 第25-26页 |
| ·基于人工智能的板形模式识别方法 | 第26-27页 |
| ·BP和RBF神经网络算法 | 第27-32页 |
| ·BP神经网络及其算法 | 第27-29页 |
| ·RBF神经网络及其算法 | 第29-32页 |
| ·基于神经网络的板形模式识别 | 第32-37页 |
| ·标准板形模式的确立 | 第32-34页 |
| ·BP神经网络和RBF神经网络的输入参数 | 第34页 |
| ·BP神经网络和RBF神经网络的输出参数 | 第34-36页 |
| ·板形模式识别网络的离线训练 | 第36页 |
| ·板形模式识别网络的在线识别 | 第36-37页 |
| ·板形模式识别效果分析 | 第37-42页 |
| ·板形模式识别网络的离线训练效果 | 第37-39页 |
| ·板形模式识别网络的在线识别效果 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 板形自适应控制策略的研究 | 第43-69页 |
| ·液压伺服控制系统的数学模型 | 第43-51页 |
| ·液压伺服控制系统的组成 | 第43-44页 |
| ·液压伺服系统的特性 | 第44-45页 |
| ·液压伺服控制系统数学模型的建立 | 第45-51页 |
| ·自校正控制 | 第51-59页 |
| ·自适应控制概述 | 第51-53页 |
| ·神经网络自校正控制概述 | 第53-54页 |
| ·神经网络自校正控制的基本原理 | 第54-55页 |
| ·BP神经网络辨识器 | 第55-59页 |
| ·板形执行机构自适应控制系统的设计 | 第59-64页 |
| ·神经网络辨识器NNI的设计 | 第60-63页 |
| ·自校正控制器NNC的设计 | 第63-64页 |
| ·板形执行机构自适应控制系统的仿真研究 | 第64-66页 |
| ·本章小结 | 第66-69页 |
| 第5章 冷连轧板形自适应控制系统的研究 | 第69-77页 |
| ·冷连轧板形自适应控制系统 | 第69-70页 |
| ·板形执行机构的效率 | 第70-72页 |
| ·板形控制器的设计 | 第71页 |
| ·板形计算模块的设计 | 第71-72页 |
| ·冷连轧板形自适应控制系统仿真框图的搭建 | 第72-73页 |
| ·冷连轧板形自适应控制系统仿真及结果分析 | 第73-75页 |
| ·本章小结 | 第75-77页 |
| 第6章 结论 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |
