| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-33页 |
| ·研究的目的和意义 | 第15-17页 |
| ·人工智能在轧制中的导入 | 第17-20页 |
| ·需求驱动 | 第18页 |
| ·传统轧制过程分析方法的缺陷 | 第18-19页 |
| ·现代轧制技术的特点 | 第19-20页 |
| ·人工智能在轧制领域的作用 | 第20页 |
| ·人工智能在轧制中的应用状况 | 第20-23页 |
| ·国外发展概况 | 第20-22页 |
| ·国内发展概况 | 第22页 |
| ·最新进展 | 第22-23页 |
| ·模糊神经技术的结合与发展 | 第23-28页 |
| ·模糊技术与神经网络的概述 | 第23-25页 |
| ·模糊技术与神经网络的结合 | 第25-27页 |
| ·模糊神经技术的发展动态 | 第27-28页 |
| ·板形模式识别模型的研究进展 | 第28-29页 |
| ·板形建模的研究进展 | 第29-31页 |
| ·板形传统建模方法的缺陷 | 第29-30页 |
| ·基于人工智能板形建模方法的先进性 | 第30页 |
| ·基于人工智能板形控制策略的先进性 | 第30-31页 |
| ·课题来源与主要研究内容 | 第31-33页 |
| ·课题来源 | 第31页 |
| ·主要研究内容 | 第31-33页 |
| 第2章 板形模式识别的模糊神经方法 | 第33-63页 |
| ·概述 | 第33页 |
| ·自调整模糊神经网络的特点 | 第33-34页 |
| ·自调整模糊神经网络的理论模型 | 第34-50页 |
| ·遗传算法简介 | 第34-37页 |
| ·模糊系统的标准模型描述 | 第37-39页 |
| ·模糊神经网络的结构 | 第39-42页 |
| ·模糊神经网络的遗传-BP算法混合优化 | 第42-47页 |
| ·仿真实例 | 第47-50页 |
| ·自调整模糊神经网络板形模式识别模型的建立 | 第50-55页 |
| ·板形标准模式曲线的选择 | 第50-51页 |
| ·板形模式识别网络结构 | 第51-54页 |
| ·板形模式识别步骤 | 第54-55页 |
| ·自调整模糊神经网络板形模式识别效果分析 | 第55-62页 |
| ·本章小结 | 第62-63页 |
| 第3章 液压弯辊系统的模糊神经控制 | 第63-87页 |
| ·概述 | 第63页 |
| ·液压弯辊力控制系统的数学模型 | 第63-66页 |
| ·液压弯辊力的控制算法 | 第66页 |
| ·PID控制算法 | 第66-70页 |
| ·PID控制原理 | 第67页 |
| ·数字PID控制算法 | 第67-70页 |
| ·模糊控制算法 | 第70-76页 |
| ·自适应模糊控制算法 | 第76-79页 |
| ·自适应模糊控制器的结构 | 第76-77页 |
| ·模糊控制查询表的在线自调整 | 第77页 |
| ·遗传单神经元混合学习算法 | 第77-79页 |
| ·液压弯辊控制系统的仿真 | 第79-82页 |
| ·液压弯辊控制系统的实验研究 | 第82-86页 |
| ·弯辊力控制系统的组成 | 第82-83页 |
| ·弯辊力控制系统原理图 | 第83-84页 |
| ·弯辊力控制系统实时控制软件 | 第84-86页 |
| ·本章小结 | 第86-87页 |
| 第4章 1220冷连轧机板形预报的模糊神经方法 | 第87-117页 |
| ·概述 | 第87-89页 |
| ·系统结构 | 第89页 |
| ·自适应Elman动态递归网络建模 | 第89-97页 |
| ·网络结构 | 第89-90页 |
| ·学习算法 | 第90-92页 |
| ·隐节点数的设计 | 第92-93页 |
| ·学习速率的模糊自适应控制 | 第93-97页 |
| ·自适应动态网络实现方法 | 第97页 |
| ·自适应Elman动态递归网络主预报模型的仿真验证 | 第97-98页 |
| ·1220冷连轧机板形主预报模型的建立 | 第98-99页 |
| ·模糊控制修正子预报模型的建立 | 第99-100页 |
| ·1220冷连轧机板形在线预报的工业生产验证 | 第100-116页 |
| ·模糊控制修正力度及闭环反馈结构的设置 | 第100-101页 |
| ·板形预报网络训练样本的构成 | 第101-102页 |
| ·板形预报效果 | 第102-115页 |
| ·预报效果分析 | 第115-116页 |
| ·本章小结 | 第116-117页 |
| 第5章 1220冷连轧机板形模糊神经控制策略与仿真 | 第117-151页 |
| ·概述 | 第117页 |
| ·板形控制思想 | 第117-119页 |
| ·板形调节手段 | 第119-121页 |
| ·板形自调整模糊控制模型 | 第121-130页 |
| ·板形模糊控制系统的结构 | 第121页 |
| ·应用模糊推理合成法建立模糊模型 | 第121-125页 |
| ·建立模糊控制查询表 | 第125-128页 |
| ·模糊控制器参数在线自调整 | 第128-130页 |
| ·板形自适应单神经元网络控制模型 | 第130-137页 |
| ·自适应单神经元模型 | 第130-131页 |
| ·自适应单神经元网络控制器的设计与训练 | 第131-137页 |
| ·模糊切换方案的设计 | 第137-138页 |
| ·冷连轧机综合板形控制系统 | 第138-139页 |
| ·板形控制策略的仿真研究 | 第139-150页 |
| ·本章小结 | 第150-151页 |
| 第6章 1220冷连轧机板形模糊神经控制的工业实验研究 | 第151-177页 |
| ·概述 | 第151页 |
| ·实验条件 | 第151-156页 |
| ·在线过程控制系统概况 | 第156-158页 |
| ·计算机控制系统的组成 | 第156页 |
| ·板形控制系统的组成 | 第156-158页 |
| ·板形控制系统的程序设计 | 第158-159页 |
| ·智能控制的应用实践 | 第159-175页 |
| ·实验结果分析 | 第175-176页 |
| ·本章小结 | 第176-177页 |
| 结论 | 第177-179页 |
| 参考文献 | 第179-195页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第195-197页 |
| 致谢 | 第197-199页 |
| 作者简介 | 第199页 |
