1 绪论 1
1.1 人工智能进入轧制领域的背景 1
1.1.1 需求驱动 1
1.1.2 传统轧制过程分析方法的缺陷 2
1.1.3 相关外部条件 5
1.2 人工智能进入轧制领域的作用 6
1.2.1 人工智能与传统方法的比较 6
1.2.2 人工智能：轧制理论发展历史中一个新的里程碑 7
1.3 国内外发展状况 8
1.3.1 国外发展简况 9
1.3.2 国内发展概况 10
1.3.3 最新进展：智能化信息处理简介 10
参考文献 12
2 人工神经网络及其在轧制中的应用 21
2.1 人工神经网络的基本理论 21
2.1.1 人工神经网络的发展历史 21
2.1.2 人工神经网络的生物基础 23
2.1.3 人工神经网络的基本特征和通用性质 27
2.1.4 神经网络的学习方法 32
2.2 神经网络的主要模型 34
2.2.1 感知机 35
2.2.2 BP神经网络 40
2.2.3 Hopfield网络 54
2.2.4 小脑模型 60
2.3 神经网络的软件实现 72
2.3.1 使用通用计算机编程语言开发神经网络软件 73
2.3.2 神经网络软件开发环境 81
2.4 神经网络在轧制中的应用实例 102
2.4.1 神经网络在热带钢连轧机控制中的应用 103
2.4.2 冷轧轧制力的预测 109
2.4.3 热变形中屈服应力的预测 113
2.4.4 轧辊偏心的识别 120
2.4.5 小脑模型前馈反馈AGC学习控制 125
2.4.6 森吉米尔轧机板形小脑模型协调学习控制 130
参考文献 137
3 专家系统及其在轧制中的应用 140
3.1 专家系统的基本知识 140
3.1.1 专家系统的定义 140
3.1.2 专家系统的基本结构与功能 141
3.1.3 专家系统的基本特征 145
3.1.4 专家系统开发的一般方法 147
3.2 专家系统开发工具 159
3.2.1 专家系统开发工具的选择原则 159
3.2.2 一些可供选用的专家系统开发工具 161
3.3 专家系统在轧制中的应用实例 168
3.3.1 不锈钢带钢轧机的轧制规程设定与控制专家系统 168
3.3.2 带材厚度精度诊断专家系统 188
3.3.3 板形控制专家系统 197
3.3.4 棒材生产线生产节奏控制专家系统 201
3.3.5 板坯管理专家系统 209
3.3.6 板卷传送专家系统 214
3.3.7 方坯精整线上路线选择专家系统 222
3.3.8 轨梁轧机轧辊调整专家系统 228
参考文献 232
4 模糊理论及其在轧制中的应用 234
4.1 模糊理论的起源及其发展 234
4.2 模糊逻辑基本理论 236
4.2.1 模糊集合及其运算 236
4.2.2 隶属函数 240
4.2.3 模糊关系及其合成 244
4.2.4 模糊逻辑和模糊推理 246
4.2.5 模糊量的精确化 258
4.3 模糊控制基础 260
4.3.1 模糊控制系统的组成 261
4.3.2 模糊控制规则的推理方法 263
4.3.3 简单模糊控制器的设计 269
4.4 模糊理论在轧制过程中的应用实例 274
4.4.1 利用模糊动态设定技术改进带钢头部厚度精度 274
4.4.2 模糊理论在冷轧带钢板形控制中的应用 283
4.4.3 模糊理论在冷轧控制中的应用 294
4.4.4 模糊理论在铝带冷轧板形控制中的应用 304
4.4.5 模糊控制器在线材活套控制中的应用 310
参考文献 314
5 轧制过程中智能化方法的综合运用 316
5.1 轧制问题求解机制与求解方法的分类 316
5.1.1 求解机制 316
5.1.2 综合求解的方式 318
5.2 几种智能方法相结合在轧制中的应用 319
5.2.1 板形控制的模糊-神经网络 319
5.2.2 基于神经网络的预警专家系统 322
5.3 人工智能与其他方法相结合在轧制中的应用 324
5.3.1 神经网络与数学模型结合改进轧制力预设定 324
5.3.2 轧制力智能纠偏网络 327
5.3.3 神经网络与数学模型结合预测带钢卷取温度 329
5.3.4 神经网络与有限元结合用于在线参数预报 333
5.3.5 基于知识提取的厚差诊断专家系统 334
5.3.6 基于有限元数据库的H型钢孔型设计专家系统 342
5.3.7 遗传算法与数学模型结合优化立辊短行程曲线 348
5.4 UC轧机板形智能预测控制 353
5.4.1 预测控制简介 354
5.4.2 神经网络建模 358
5.4.3 BP网络板形预测模型的建立 359
5.4.4 板形在线控制律的导出 360
5.4.5 板形在线模型的实时反馈校正 363
5.4.6 UC轧机板形在线预测与实时控制实验研究 365
5.4.7 液压弯辊系统的FUZZY-PID复合控制 376
5.5 协同人工智能技术在轧制中的应用 385
5.5.1 协同人工智能简介 385
5.5.2 SAIRS系统构成 387
5.5.3 数据库的建立 389
5.5.4 模糊评价与模糊聚类分析 390
5.5.5 负荷分配的神经网络 397
5.5.6 利用遗传算法优化网络参数 401
5.5.7 负荷分配影响因素的仿真实验研究 404
5.5.8 负荷分配专家系统 408
5.6 智能化信息处理在轧制中的应用 412
5.6.1 轧制过程在线智能化信息处理系统 413
5.6.2 在线实时数据库 414
5.6.3 在线自组织诊断和分析系统 415
5.6.4 在线模拟优化系统 424
5.6.5 系统诊断与远程维修系统 425
5.6.6 进一步发展展望 427
参考文献 428
附录 一个BP网络C语言实现源程序 431
索引 445