首页--工业技术论文--金属学与金属工艺论文--金属压力加工论文--轧制论文--轧制自动化论文

轧机传动系统扭振智能控制方法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-17页
    1.1 课题研究的背景及意义第10-11页
    1.2 轧机传动系统扭振国内外研究现状第11-14页
        1.2.1 轧机传动系统扭振特性研究现状第11-12页
        1.2.2 轧机传动系统扭振控制研究现状第12-14页
    1.3 神经网络的研究现状第14-15页
    1.4 本文的主要研究内容第15-17页
第2章 轧机传动系统的扭振分析第17-26页
    2.1 引言第17页
    2.2 轧机传动系统扭振发生的原因第17页
    2.3 轧机传动系统扭振模型第17-25页
        2.3.1 轧机传动系统结构第17-18页
        2.3.2 轧机二质量系统模型第18-20页
        2.3.3 轧机二质量系统的零极点分析第20-22页
        2.3.4 轧机二质量系统的状态方程第22-25页
    2.4 本章小结第25-26页
第3章 轧机传动系统扭振的双闭环控制第26-37页
    3.1 引言第26页
    3.2 轧机扭振双闭环控制系统的结构第26-28页
    3.3 轧机扭振双闭环控制系统的扰动稳态误差分析第28-29页
    3.4 轧机扭振双闭环控制系统的仿真分析第29-36页
    3.5 本章小结第36-37页
第4章 基于改进BP神经网络状态观测器的轧机扭振智能控制第37-57页
    4.1 引言第37页
    4.2 状态观测器基本理论第37-40页
        4.2.1 状态反馈控制第37-38页
        4.2.2 状态观测器第38-39页
        4.2.3 轧机二质量系统可观性的证明第39-40页
    4.3 神经网络基本理论第40-43页
        4.3.1 神经元模型第40-42页
        4.3.2 神经网络的结构第42页
        4.3.3 神经网络的学习第42-43页
    4.4 BP神经网络第43-46页
        4.4.1 BP算法原理第43-44页
        4.4.2 BP网络的前馈计算第44页
        4.4.3 BP网络权系数的调整第44-46页
    4.5 神经网络状态观测器轧机扭振控制系统的实现方法第46-49页
        4.5.1 神经网络状态观测器的结构第46-47页
        4.5.2 改进BP算法第47-48页
        4.5.3 用于轧机传动系统的神经网络状态观测器第48-49页
    4.6 基于改进BP神经网络状态观测器轧机扭振控制系统仿真分析第49-56页
    4.7 本章小结第56-57页
第5章 基于模糊-神经网络PID的轧机扭振智能控制第57-73页
    5.1 引言第57页
    5.2 模糊控制的基本结构第57-60页
        5.2.1 模糊控制的基本原理第57-58页
        5.2.2 基于Takagi-Sugeno模型的模糊-神经网络第58-60页
    5.3 模糊-神经网络PID轧机扭振控制器的原理和结构第60-62页
        5.3.1 控制器的原理第60页
        5.3.2 控制器的结构第60-62页
    5.4 模糊-神经网络PID轧机扭振控制器的设计第62-69页
        5.4.1 模糊PID的设计第62-65页
        5.4.2 神经网络的设计和训练第65-69页
    5.5 基于模糊-神经网络PID轧机扭振控制系统仿真分析第69-72页
    5.6 本章小结第72-73页
结论第73-74页
参考文献第74-78页
攻读硕士学位期间承担的科研任务与主要成果第78-79页
致谢第79-80页
作者简介第80页

论文共80页,点击 下载论文
上一篇:纳米高锰钢腐蚀行为的研究
下一篇:基于金属卤化物体系的给受体型光敏晶体材料的设计合成及性能表征