| 摘要 | 第1-9页 |
| ABSTRACT | 第9-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·板形控制的研究现状 | 第13-15页 |
| ·板形识别技术国内外研究现状 | 第13-14页 |
| ·板形控制技术国内外研究现状 | 第14-15页 |
| ·板形模式识别与控制技术存在的问题及发展趋势 | 第15-16页 |
| ·论文的研究内容和创新之处 | 第16-18页 |
| 第二章 冷连轧板形控制理论概述 | 第18-28页 |
| ·带钢板形控制系统 | 第18页 |
| ·板形模式识别 | 第18-22页 |
| ·板形的概念 | 第18-19页 |
| ·板形的定量描述方法 | 第19页 |
| ·板形缺陷的分类及数学表达式 | 第19-21页 |
| ·板形模式识别的任务 | 第21-22页 |
| ·板形的控制方式 | 第22-24页 |
| ·板形设定模型 | 第24-25页 |
| ·本章小结 | 第25-28页 |
| 第三章 模式识别方法在板形识别中的应用研究 | 第28-38页 |
| ·传统的板形模式识别方法 | 第28-31页 |
| ·最小二乘法的板形模式识别 | 第28页 |
| ·改进的基于勒让德多项式的最小二乘法模式识别方法 | 第28-31页 |
| ·板形智能识别方法 | 第31-36页 |
| ·模糊分类识别方法 | 第31-33页 |
| ·神经网络识别方法 | 第33-34页 |
| ·基于智能集成优化算法的板形识别方法 | 第34-36页 |
| ·混沌优化识别方法 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第四章 基于多类支持向量机的板形识别与仿真 | 第38-46页 |
| ·支持向量机非线性分类理论 | 第38-40页 |
| ·核函数 | 第38-39页 |
| ·松弛变量 | 第39-40页 |
| ·多类支持向量机理论 | 第40-41页 |
| ·“一对多”方法 | 第40-41页 |
| ·“一对一”方法 | 第41页 |
| ·系统实现 | 第41-44页 |
| ·板形信号提取 | 第41-42页 |
| ·标准板形缺陷模式 | 第42页 |
| ·训练数据预处理 | 第42页 |
| ·分类器设计 | 第42-43页 |
| ·性能测试与结果分析 | 第43-44页 |
| ·本章小节 | 第44-46页 |
| 第五章 基于改进的BP 神经网络的板形预测与仿真 | 第46-58页 |
| ·BP 算法的基本原理 | 第46-48页 |
| ·BP 算法的性能 | 第48-50页 |
| ·神经网络输入样本规整化 | 第48页 |
| ·权值和阈值初始化 | 第48页 |
| ·学习率和动量项 | 第48-49页 |
| ·激活函数 | 第49-50页 |
| ·神经网络的拓扑结构 | 第50页 |
| ·改进的双隐层BP 神经网络模型 | 第50-52页 |
| ·双隐层BP 神经网络 | 第50-51页 |
| ·Sigmoid 函数的改进 | 第51页 |
| ·改进的双隐层BP 神经网络算法设计 | 第51-52页 |
| ·基于BP 网络和Levenberg -Marquardt(L-M)算法的模型 | 第52-53页 |
| ·仿真与分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第六章 基于模糊逻辑的板形控制系统 | 第58-70页 |
| ·模糊逻辑控制系统 | 第58-61页 |
| ·模糊控制系统的组成及基本结构 | 第58页 |
| ·模糊数据库 | 第58-60页 |
| ·模糊规则库 | 第60页 |
| ·反模糊化 | 第60-61页 |
| ·液压弯辊系统 | 第61-62页 |
| ·液压弯辊模糊控制器的设计 | 第62-67页 |
| ·熟练操作者的经验 | 第62-63页 |
| ·液压弯辊模糊控制系统 | 第63页 |
| ·模糊控制器的输入和输出 | 第63-66页 |
| ·模糊控制规则的建立 | 第66-67页 |
| ·液压弯辊模糊控制系统仿真与实现 | 第67-68页 |
| ·本章小节 | 第68-70页 |
| 第七章 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 附录（攻读学位期间发表的学术论文及参加的科研项目） | 第78页 |