1 绪论 1
1.1 冷连轧工艺流程简介 1
1.2 冷连轧计算机质量控制系统 2
1.2.1 带钢冷连轧计算机控制的发展与趋势 2
1.2.2 冷连轧计算机质量控制系统类别 4
1.3 攀钢冷连轧计算机控制系统的组成及其存在的问题 6
1.4 带钢冷连轧系统的智能化控制要求 9
1.5 智能控制在轧制工业领域的发展 10
1.5.1 国外发展情况 12
1.5.2 国内发展情况 13
1.6 本书所解决问题 15
2 智能算法与工业控制 17
2.1 概述 17
2.2 人工智能（AI） 17
2.3 神经网络与控制 17
2.4 模糊逻辑推理系统与控制 20
2.4.1 模糊推理机 23
2.4.2 模糊逼近计算 24
2.5 模糊神经网络 24
2.6 智能控制和学习控制 27
2.6.1 简介 27
2.6.2 智能控制与古典控制方法的联系 27
2.6.3 学习控制的分类 30
2.6.4 讨论 30
2.7 小结 31
3 基于模糊神经网络的冷连轧动态智能质量控制（DIQC） 32
3.1 控制问题简述 32
3.2 带钢冷连轧自动厚度控制（AGC）的理论基础 33
3.2.1 自动厚度控制（AGC）基本环节 33
3.2.2 轧机弹跳方程 34
3.2.3 轧件塑型曲线与F-h图 34
3.2.4 解析法 35
3.2.5 流量AGC系统 36
3.3 动态智能质量控制（DIQC）思想及需要解决的问题 36
3.4 冷连轧质量控制系统函数逼近方法的选取 38
3.4.1 简介 38
3.4.2 参量与非参量方法 39
3.4.3 逼近方法 41
3.4.4 讨论 44
3.5 DIQC泛化能力提高条件 45
3.5.1 泛化与激励 45
3.5.2 闭环控制中的激励 46
3.5.3 过程特点与泛化能力 46
3.5.4 小结与讨论 47
3.6 DIQC优化方法的选用研究 48
3.7 DIQC中FNN动态网络结构研究 49
3.7.1 简介 49
3.7.2 Pruning算法的分类 50
3.7.3 构造算法的分类 51
3.7.4 DIQC中FNN结构调整算法 53
3.7.5 DIQC中“模糊与”乘积算子方法 54
3.7.6 DIQC中ε完备性要求 55
3.7.7 讨论 56
3.7.8 小结 56
3.8 DIQC输入域要求及局部性网络架构 56
3.9 DIQC在线学习的必要性 59
3.10 DIQC反馈结构的必要性 59
3.11 DIQC的稳定性研究 60
3.11.1 简介 60
3.11.2 激励的持续 61
3.11.3 学习率边界 63
3.11.4 小结与讨论 65
3.12 全局DIQC的构建设计 67
3.12.1 全局协调控制策略 67
3.12.2 子系统FNN结构及算法 69
3.13 FNN的学习算法实现 71
3.14 小结 73
4 冷连轧过程数据处理、采集与跟踪 77
4.1 引言 77
4.2 钢卷原始数据处理 78
4.2.1 一级基础自动化需要请求钢卷原始数据的区域 78
4.2.2 钢卷原始数据 78
4.2.3 一级基础自动化的钢卷原始数据人机接口 78
4.2.4 钢卷缺陷数据 79
4.3 数据采集（DAC） 79
4.3.1 概述 79
4.3.2 钢卷数据采集 79
4.3.3 故障状态下的过程数据采集 80
4.4 带钢跟踪（STR） 81
4.4.1 概述 81
4.4.2 跟踪的信息 81
4.5 钢卷跟踪（CTR） 82
4.5.1 自动方式和后备方式的转换 82
4.5.2 酸洗线的钢卷跟踪 83
4.5.3 后备方式下活套跟踪数据 84
4.5.4 出口钢卷跟踪（钢卷数据跟踪2功能） 84
4.5.5 一级基础自动化与二级控制界面 84
4.6 基于IBA的冷连轧过程数据收集与跟踪系统 84
4.6.1 PDA系统硬件 85
4.6.2 PDA硬件配置及分析 86
4.6.3 PDA02硬件配置及分析 89
4.6.4 PDA的系统软件以及通道设置 91
4.6.5 PDA过程数据采集及其分析系统的作用 92
4.7 小结 93
5 基于DIQC的冷连轧机轴扭振控制 94
5.1 引言 94
5.2 问题描述 94
5.3 串列式冷连轧机双质量系统 95
5.4 仿真结果与讨论 98
5.5 小结 101
6 基于DIQC的冷连轧偏心与硬度干扰控制研究 102
6.1 问题描述 102
6.2 仿真模型 104
6.3 仿真结果与讨论 105
6.4 小结 107
7 基于DIQC的冷连轧厚度控制（AGC）研究 108
7.1 问题描述 108
7.2 仿真模型 109
7.3 仿真结果与讨论 111
7.4 小结 115
8 结论与展望 116
参考文献 117