| 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 |
