基于BP网络的动态定量称重控制系统的算法研究和设计
| 目录 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1．1 引言 | 第9页 |
| 1．2 动态定量称重控制系统概述 | 第9-13页 |
| 1．2．1 动态定量称重控制系统的组成 | 第10-12页 |
| 1．2．2 定量下料动态称重控制器现状评述 | 第12-13页 |
| 1．3 动态定量称重的关键问题 | 第13-14页 |
| 1．4 本论文的主要研究工作 | 第14-16页 |
| 第二章 动态定量称过程的分析 | 第16-22页 |
| 2．1 动态定量称量过程的机理分析 | 第16页 |
| 2．2 动态定量称量过程的数学模型的建立 | 第16-20页 |
| 2．2．1 控制对象 | 第16-18页 |
| 2．2．2 控制器 | 第18-19页 |
| 2．2．3 控制对象特点及控制要求 | 第19-20页 |
| 2．3 控制策略 | 第20-22页 |
| 第三章 BP神经网络的结构及算法的研究 | 第22-37页 |
| 3．1 BP神经网络的结构 | 第22页 |
| 3．2 输入层和输出层节点数的确定 | 第22-23页 |
| 3．2．1 输入层节点数的确定 | 第22-23页 |
| 3．2．2 输出层节点数的确定 | 第23页 |
| 3．3 隐含层数和层内节点数的确定 | 第23-27页 |
| 3．3．1 隐含层数的确定 | 第24-25页 |
| 3．3．2 隐含层内节点数的确定 | 第25-27页 |
| 3．4 基本BP算法原理 | 第27-29页 |
| 3．4．1 BP算法的基本思想 | 第27页 |
| 3．4．2 BP算法学习过程的具体步骤 | 第27-29页 |
| 3．5 BP网络学习算法的缺陷及其原因分析 | 第29-32页 |
| 3．5．1 BP算法的存在缺点 | 第29-30页 |
| 3．5．2 BP网络学习算法存在缺点的原因分析 | 第30-32页 |
| 3．6 改进BP算法的措施和方法 | 第32-37页 |
| 3．6．1 避免网络陷于局部极小值的方法 | 第32-33页 |
| 3．6．2 提高网络收敛速度的措施 | 第33-35页 |
| 3．6．3 一种改进的BP算法 | 第35-37页 |
| 第四章 基于BP网络动态定量称量过程的控制方法 | 第37-56页 |
| 4．1 引言 | 第37页 |
| 4．2 智能控制概述 | 第37-40页 |
| 4．3 神经网络控制概述 | 第40-45页 |
| 4．3．1 用于控制器的神经网络控制 | 第40-42页 |
| 4．3．2 用作对象模型的神经网络控制结构 | 第42-45页 |
| 4．4 基于BP神经网络整定PID控制策略 | 第45-56页 |
| 4．4．1 PID控制原理 | 第46-47页 |
| 4．4．2 基于BP网络的PID控制器结构 | 第47-48页 |
| 4．4．3 基于BP网络的PID整定原理 | 第48-51页 |
| 4．4．4 仿真曲线 | 第51-56页 |
| 第五章 动态定量称重控制系统的实现 | 第56-68页 |
| 5．1 动态定量称重控制器计算机系统组成 | 第56-58页 |
| 5．2 系统硬件 | 第58-60页 |
| 5．3 软件设计和编程 | 第60-68页 |
| 5．3．1 基本模块 | 第60-62页 |
| 5．3．2 系统维护模块 | 第62-63页 |
| 5．3．3 参数输入模块 | 第63页 |
| 5．3．4 实时监控模块 | 第63-68页 |
| 第六章 结束语 | 第68-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间完成与发表的论文 | 第72-73页 |
| 学位论文评阅及答辩情况表 | 第73页 |
