模糊神经网络在玻璃退火炉温度控制中的应用
| 中文摘要 | 第1-5页 |
| 第一章 绪论 | 第5-7页 |
| 1．1 课题来源 | 第5页 |
| 1．2 已采用的控制方案及不足 | 第5-6页 |
| 1．3 本文所做的工作 | 第6-7页 |
| 第二章 神经网络与模糊控制 | 第7-27页 |
| 2．1 神经网络 | 第7-19页 |
| 2．1．1 神经网络的发展与应用 | 第7-9页 |
| 2．1．2 人工神经元模型 | 第9-11页 |
| 2．1．3 网络结构及工作方式 | 第11-13页 |
| 2．1．4 NN的学习 | 第13-15页 |
| 2．1．5 多层前馈神经网络 | 第15-17页 |
| 2．1．6 反向传播学习算法（BP算法） | 第17-19页 |
| 2．2 模糊控制 | 第19-21页 |
| 2．3 神经网络与模糊控制的结合 | 第21-27页 |
| 2．3．1 两者的结合是发展的必然 | 第21-22页 |
| 2．3．2 人工神经元网络与模糊系统的共同之处 | 第22-23页 |
| 2．3．3 人工神经元网络与模糊系统的异同之处 | 第23-25页 |
| 2．3．4 两者结合的基本方式 | 第25-27页 |
| 第三章 用模糊神经网络进行退火炉温度控制器设计 | 第27-45页 |
| 3．1 退火的原理 | 第27-30页 |
| 3．1．1 应力的产生 | 第27-28页 |
| 3．1．2 退火的原理和过程 | 第28页 |
| 3．1．3 炉窑的结构 | 第28-29页 |
| 3．1．4 控制方案的设计 | 第29-30页 |
| 3．2 用模糊神经网络设计温度控制器 | 第30-42页 |
| 3．2．1 常规模糊系统的等价神经网络 | 第30-38页 |
| 一、 常规模糊系统的模糊模型 | 第30-32页 |
| 二、 隶属函数网络模型的建立 | 第32-33页 |
| 三、 模糊神经网络控制模型的设计 | 第33-35页 |
| 四、 模糊神经网络的学习算法 | 第35-38页 |
| 3．2．2 温度控制器的设计 | 第38-42页 |
| 一、 模糊神经网络温度控制器的设计 | 第38-40页 |
| 二、 神经网络预测器NNP的结构 | 第40-42页 |
| 3．3 系统软件实现及仿真 | 第42-45页 |
| 第四章 退火炉监控系统的设计 | 第45-53页 |
| 4．1 现场总线概述 | 第45-47页 |
| 4．2 CAN总线在监控系统中的应用 | 第47-48页 |
| 4．3 组态王5．1在监控系统中的应用 | 第48-53页 |
| 第五章 结束语 | 第53-54页 |
| 参考文献 | 第54-56页 |
