声明
摘要
第1章 绪论
1.1 研究背景与研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 轧机数学模型技术的新方法
1.3 冷连轧计算机控制系统概况
1.3.1 冷连轧计算机控制系统组成
1.3.2 过程控制系统概述
1.4 轧制力设定模型的研究现状
1.5 论文研究的主要内容
第2章 冷连轧机轧制力模型理论分析
2.1 计算单位轧制力的理论简介
2.1.1 Karman(卡尔曼)单位压力微分方程
2.1.2 Orowan(奥罗万)单位压力微分方程
2.1.3 采利柯夫单位压力公式
2.1.4 Bland-Ford单位压力公式
2.2 冷连轧轧制力设定模型分析
2.2.1 Bland-Ford-Hill轧制力模型算法
2.2.2 变形抗力模型
2.2.3 前滑模型
2.2.4 工作辊压扁半径
2.2.5 摩擦系数
2.2.6 轧制力模型
2.2.7 Bland-Ford-Hill轧制力力显式模型
2.3 本章小结
第3章 轧制力模型自适应学习方法设计
3.1 模型自适应学习的意义
3.2 轧制力模型的自适应修正
3.2.1 轧制力模型自适应的基本原理
3.2.2 测量值处理
3.2.3 轧制力模型自适应的算法
3.3 变形抗力和摩擦系数后计算
3.3.1 变形抗力后计算
3.3.2 摩擦系数后计算
3.3.3 变形抗力和摩擦系数解耦后计算
3.4 变形抗力和摩擦系数自适应学习算法
3.4.1 变形抗力自适应学习
3.4.2 摩擦系数自适应学习
3.5 轧制力模型的自学习修正
3.6 本章小结
第4章 神经网络轧制力设定模型偏差补偿研究
4.1 神经网络基础知识
4.1.1 人工神经元模型
4.1.2 神经网络的分类
4.1.3 神经网络的学习
4.2 BP神经网络模型与学习算法
4.2.1 BP神经网络模型
4.2.2 BP神经网络学习算法
4.3 轧制力模型偏差补偿BP网络的建立和训练
4.3.1 BP神经网络模型结构设计
4.3.2 BP算法参数的设计
4.3.3 轧制力模型偏差补偿BP神经网络的训练
4.4 蚁群算法优化BP神经网络
4.4.1 基本蚁群算法模型
4.4.2 最大-最小蚂蚁系统
4.4.3 蚁群算法优化BP神经网络的实现
4.4.4 蚁群算法优化轧制力BP网络时参数的选择
4.5 BP神经网络的性能分析
4.6 本章小结
第5章 轧制力设定模型的仿真分析
5.1 Bland-Ford-Hill轧制力设定模型仿真
5.2 轧制力自适应修正设定模型仿真
5.3 轧制力BP神经网络模型仿真
5.4 本章小结
第6章 结论与展望
6.1 结论
6.2 未来工作展望
参考文献
致谢