| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题的背景与意义 | 第11-12页 |
| ·张力控制技术现状 | 第12-13页 |
| ·系统辨识技术发展与应用 | 第13-14页 |
| ·神经网络技术发展及现状 | 第14-15页 |
| ·本文主要工作 | 第15-17页 |
| 第2章 冷连轧张力系统与张力控制 | 第17-35页 |
| ·带钢冷连轧生产流程概述 | 第17-18页 |
| ·冷连轧张力相关模型分析 | 第18-25页 |
| ·张力机理计算模型 | 第18-20页 |
| ·前滑与后滑 | 第20-21页 |
| ·张力数学模型的建立 | 第21-25页 |
| ·冷连轧张力对象模型推导 | 第25-32页 |
| ·张力控制模型的结构 | 第25-26页 |
| ·液压系统建模 | 第26-28页 |
| ·辊缝到速度变化增益 | 第28-30页 |
| ·张力产生模型 | 第30-31页 |
| ·张力计模型 | 第31页 |
| ·张力控制系统总体模型 | 第31-32页 |
| ·冷连轧机架间张力控制 | 第32-34页 |
| ·辊缝式调张法 | 第33-34页 |
| ·速度式调张法 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第3章 冷连轧张力模型的神经网络辨识研究 | 第35-51页 |
| ·系统辨识原理与步骤 | 第35-37页 |
| ·系统辨识基本原理 | 第35-36页 |
| ·误差准则与辨识精度 | 第36-37页 |
| ·系统辨识的主要步骤 | 第37页 |
| ·人工神经网络模型研究 | 第37-42页 |
| ·单神经元网络 | 第37-38页 |
| ·自适应线性神经元 | 第38-39页 |
| ·多层前馈网络与BP学习算法 | 第39-42页 |
| ·基于神经网络的系统辨识方法研究 | 第42-45页 |
| ·模型辨识与逆模型辨识 | 第42页 |
| ·两种辨识结构 | 第42-43页 |
| ·时延神经网络 | 第43页 |
| ·辨识方法研究 | 第43-45页 |
| ·冷连轧张力系统模型的神经网络辨识 | 第45-49页 |
| ·张力系统模型特性分析 | 第45-46页 |
| ·张力系统辨识实验 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 基于神经网络的张力辨识与控制仿真 | 第51-67页 |
| ·PID控制器分析 | 第51-52页 |
| ·神经网络控制器分析 | 第52-54页 |
| ·神经网络控制 | 第52-53页 |
| ·基于BP算法的前向网络PID控制 | 第53-54页 |
| ·冷连轧机张力系统PID控制 | 第54-56页 |
| ·PID控制器参数整定 | 第54页 |
| ·冷连轧张力PID控制仿真 | 第54-56页 |
| ·冷连轧张力系统神经网络PID控制 | 第56-61页 |
| ·基于BP网络的PID控制器设计 | 第57-58页 |
| ·基于BP网络的PID张力控制仿真 | 第58-61页 |
| ·张力系统神经网络辨识控制 | 第61-66页 |
| ·神经网络辨识控制器的设计 | 第61-64页 |
| ·基于神经网络系统辨识的张力控制仿真 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 基于神经网络辨识的张力模糊控制器设计与仿真 | 第67-81页 |
| ·模糊控制器分析 | 第67-70页 |
| ·模糊控制器基本原理 | 第67-68页 |
| ·模糊控制器的组成 | 第68-69页 |
| ·模糊控制器的动态分析 | 第69-70页 |
| ·模糊控制器的设计 | 第70-72页 |
| ·模糊控制器结构设计 | 第70页 |
| ·建立模糊控制规则 | 第70-71页 |
| ·确定模糊变量赋值表 | 第71页 |
| ·建立模糊控制表 | 第71-72页 |
| ·去模糊化 | 第72页 |
| ·冷连轧张力系统模糊PID控制 | 第72-77页 |
| ·模糊自整定的PID控制器原理与结构 | 第72-73页 |
| ·模糊自整定张力PID控制器设计 | 第73-74页 |
| ·模糊自整定PID控制规则制定 | 第74-77页 |
| ·基于BP网络模型辨识的张力系统模糊PID控制仿真 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |