目錄
1 熱連軋生產工藝及計算機控制
1 1 板帶軋製綜述
1 2 帶鋼熱軋生產工藝的發展
1 2 1 傳統帶鋼熱連軋
1 2 2 連鑄連軋生產工藝
1 2 3 新型爐卷軋機
1 2 4 自由程序軋製技術
1 2 5 熱帶生產工藝的新動向
1 3 帶鋼熱軋機電設備的發展
1 3 1 側壓壓力機及除鱗裝置
1 3 2 壓下系統
1 3 3 主傳動系統
1 3 4 檢測儀錶
1 3 5 板形控制系統
1 4 熱帶軋機計算機控制
1 4 1 生產控制級功能
1 4 2 過程控制級功能
1 4 3 基礎自動化級功能
1 4 4 熱軋軋件的跟蹤及運送
1 4 5 控制模式
1 4 6 操作模式
1 4 7 模式組合圖
1 4 8 自動控制功能簡述
1 4 9 模擬軋鋼
1 4 10 質量分類
1 4 11 過程數據采集
1 4 12 虛擬對象實時仿真
1 4 13 故障診斷
2 熱連軋塑性變形理論與軋機方程
2 1 軋製變形區參數
2 1 1 絕對壓下量和相對壓下量
2 1 2 咬入角和接觸弧長
2 1 3 變形速度
2 1 4 軋製時的前滑和後滑
2 2 軋製力
2 3 板帶軋機基本方程概述
2 4 彈跳方程
2 5 輥縫形狀方程
2 6 平坦度方程
2 7 流量方程
2 8 套量方程
2 9 張力方程
3 增量模型與模型自學習
3 1 帶鋼熱連軋的綜合分析
3 2 熱軋增量方程
3 2 1 增量厚度方程
3 2 2 增量軋製力方程
3 2 3 增量凸度方程
3 2 4 增量前滑方程
3 2 5 增量入口速度及增量出口速度方程
3 2 6 增量套量方程及增量張力方程
3 3 模型自學習
3 3 1 增長記憶式遞推最小二乘法
3 3 2 指數平滑法
3 3 3 軋製力的自學習
3 3 4 輥縫零位常數
3 3 5 變形阻力及應力狀態係數的自學習
3 4 熱連軋耦合系統建模
3 4 1 熱連軋液壓活套系統建模
3 4 2 熱連軋板形板厚系統建模
4 厚度模型與厚度控制
4 1 影響厚差的因素
4 2 軋機AGC系統的研究和發展
4 2 1 BISRA AGC
4 2 2 GM AGC
4 2 3 動態設定AGC
4 2 4 絕對與相對AGC
4 2 5 AEG AGC與RAL AGC
4 2 6 KFF-AGC
4 2 7 監控AGC
4 2 8 AGC各種補償
4 2 9 AGC功能構成圖
4 3 厚度設定模型
4 3 1 精軋機組厚度分配
4 3 2 精軋設定涉及的模型
4 3 3 設定時序
4 4 設定模型自學習
4 5 先進AGC控制策略在熱連軋上的應用
4 5 1 硬度前饋自動厚度控制系統應用研究
4 5 2 監控AGC的單神經元自適應PID控制
4 5 3 監控AGC的非線性PID控制
4 5 4 基於RBF神經網絡整定的PID控制
4 5 5 Smith預估控制在厚規格帶鋼軋製中的應用
4 5 6 熱帶頭部拯救功能的研究與實現
4 5 7 軋輥偏心控制
5 板形模型與板形控制
5 1 板形理論的基本概念
5 1 1 凸度和楔形
5 1 2 邊部減薄和局部高點
5 1 3 平直度
5 1 4 斷面形狀表達式
5 1 5 平直度和凸度的關係
5 2 板形理論研究
5 2 1 軋輥彈性變形理論
5 2 2 軋件變形動態遺傳學理論
5 2 3 軋件軋輥統一理論
5 3 板形控制技術
5 3 1 CVC控制技術
5 3 2 PC控制技術
5 3 3 HC控制技術
5 3 4 UC軋機控制
5 3 5 VCR軋機系統
5 3 6 HVC技術
5 4 板形控制技術與設定模型參數優化
5 4 1 鞍鋼1780 mm熱連軋機板形控制技術
5 4 2 鞍鋼1780 mm機組板形設定數學模型
5 4 3 板形缺陷及板形精度提高研究
6 終軋與卷取運輸鏈區控制
6 1 終軋溫度控制
6 2 精軋機換輥
6 3 精軋側導板位置控制
6 4 卷取運輸鏈區控制功能
6 4 1 輸出輥道控制
6 4 2 卷取溫度控制
6 4 3 卷取機順序控制
6 4 4 卷取機主令控制
6 4 5 卷取張力控制
6 5 卷取機入口側導板開口度
6 5 1 總體描述
6 5 2 側導板開口度液壓傳動系統控制模式
6 5 3 卷取機入口側導板控制系統
6 5 4 卷取機側導板標定
6 6 捲筒脹縮控制
6 7 夾送輥輥縫控制
6 7 1 總體描述
6 7 2 夾送輥輥縫液壓傳動系統控制模式
6 7 3 夾送輥輥縫控制系統
6 7 4 夾送輥輥縫標定
6 8 自動跳步控制
6 8 1 總體描述
6 8 2 助卷輥輥縫液壓傳動系統控制模式
6 8 3 跳步控制
6 8 4 助卷輥輥縫標定
6 9 尾部自動停車控制
6 10 卸卷控制
7 板帶熱連軋軋製規程優化
7 1 多目標優化
7 1 1 問題描述
7 1 2 多目標進化個體之間的關係
7 1 3 多目標優化問題的解
7 1 4 求解多目標優化問題的方法
7 1 5 多目標測試函數
7 1 6 評價指標
7 2 鯨魚及其改進算法
7 2 1 鯨魚優化算法
7 2 2 包圍獵物階段
7 2 3 氣泡網捕食法
7 2 4 搜索獵物
7 2 5 算法基本流程
7 3 多目標鯨魚優化算法(MOWOA)
7 3 1 Pareto等級
7 3 2 擁擠度
7 3 3 精英保留策略
7 3 4 改進混沌映射初始化鯨魚種群
7 3 5 基於K-medoids的輔助進化算法
7 3 6 自適應權重策略與基於記憶指導改進收縮包圍策略
7 3 7 趨優反向學習及耦合修正策略
7 3 8 改進多目標鯨魚算法流程圖
7 3 9 性能測試分析
7 3 10 優化算法的參數設置
7 4 精軋機組數學模型
7 4 1 軋製力模型
7 4 2 接觸弧的水平投影長度
7 4 3 變形區應力狀態的影響係數
7 4 4 金屬變形阻力
7 4 5 前後張應力對軋製力的影響係數
7 4 6 軋製力矩與功率模型
7 4 7 滑動模型
7 4 8 凸度模型
7 4 9 溫度模型
7 4 10 負荷分配模型
7 4 11 傳統熱連軋負荷分配模型
7 4 12 多目標函數建立
7 5 負荷分配仿真分析
7 5 1 設備參數設置
7 5 2 仿真分析
8 板帶冷連軋軋製規程優化
8 1 軋製規程優化發展現狀
8 2 粒子群優化算法
8 2 1 粒子群算法介紹
8 2 2 多目標粒子群算法原理
8 2 3 多目標粒子群算法流程
8 2 4 多目標粒子群算法存在的問題分析
8 3 改進多目標粒子群優化算法
8 3 1 pbest和leader粒子的選擇
8 3 2 自適應參數
8 3 3 自適應擾動更新策略
8 3 4 基於相鄰距離策略的外部檔案維護
8 3 5 改進多目標粒子群算法流程
8 4 性能測試
8 4 1 測試函數
8 4 2 多目標算法性能度量指標
8 4 3 仿真實驗與性能分析
8 5 基於改進粒子群算法的冷連軋軋製規程優化
8 5 1 冷連軋生產工藝流程及設備組成
8 5 2 冷連軋軋製規程的數學模型
8 5 3 冷連軋軋製規程的多目標函數構建
8 5 4 基於ACRMOPSO算法的冷連軋軋製規程優化
9 基於YOLOv8的鋼板缺陷檢測
9 1 鋼板缺陷檢測的重要性
9 1 1 細微裂紋
9 1 2 夾雜物
9 1 3 斑塊
9 1 4 凹坑表面
9 1 5 捲入氧化鐵皮
9 1 6 劃痕
9 1 7 鋼板缺陷的影響
9 2 傳統的鋼板缺陷檢測方法
9 2 1 視覺檢查
9 2 2 超聲檢測
9 2 3 磁粉檢測
9 2 4 渦流檢測
9 3 基於深度學習的鋼板缺陷檢測
9 3 1 深度學習在鋼板缺陷檢測中的應用概述
9 3 2 YOLO系列算法在鋼板缺陷檢測中的應用
9 4 鋼板表面缺陷檢測相關理論基礎
9 4 1 卷積神經網絡基本架構
9 4 2 經典卷積神經網絡
9 4 3 常用深度學習框架介紹
9 5 鋼板表面缺陷圖像的預處理
9 5 1 鋼板表面缺陷檢測系統
9 5 2 圖像標注
9 5 3 圖像數據增強
9 6 基於YOLOv8的鋼板缺陷檢測
9 6 1 輸入層
9 6 2 骨幹檢測網絡
9 6 3 頸部特徵提取網絡
9 6 4 預測網絡
9 6 5 損失函數
9 6 6 基於改進YOLOv8的鋼板缺陷檢測算法
9 6 7 訓練損失流程圖
9 7 實驗與分析
9 7 1 實驗環境
9 7 2 評價指標
9 7 3 實驗結果與分析
9 7 4 總結
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢,查後請於客服中心或Line或本社留言板留言,我們即儘速上架。