| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 相关领域的研究现状 | 第10-13页 |
| 1.2.1 国内外钕铁硼氢碎工艺及其优化控制的研究现状 | 第10-11页 |
| 1.2.2 无模型自适应控制（MFAC） | 第11-12页 |
| 1.2.3 智能优化算法 | 第12-13页 |
| 1.3 主要研究内容及创新点 | 第13-14页 |
| 1.3.1 无模型自适应控制及其改进算法在钕铁硼氢粉碎过程中的应用 | 第13-14页 |
| 1.3.2 主要创新点 | 第14页 |
| 1.4 论文的结构安排 | 第14-15页 |
| 2 钕铁硼氢粉碎工艺及工艺控制方案 | 第15-20页 |
| 2.1 氢粉碎工艺分析 | 第15-16页 |
| 2.1.1 氢粉碎工艺过程控制的理论依据 | 第15页 |
| 2.1.2 钕铁硼的氢碎工艺流程 | 第15-16页 |
| 2.2 影响钕铁硼合金吸氢与脱氢的主要因数 | 第16-18页 |
| 2.2.1 氢碎工艺中的吸氢与脱氢过程 | 第16-17页 |
| 2.2.2 钕铁硼合金氢爆过程中合金完全粉碎吸入氢气的量 | 第17-18页 |
| 2.3 基于无模型自适应控制的钕铁硼氢粉碎控制系统 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 无模型自适应控制 | 第20-39页 |
| 3.1 基本概念 | 第20页 |
| 3.2 无模型控制方法 | 第20-26页 |
| 3.2.1 泛模型定义 | 第20-23页 |
| 3.2.2 无模型自适应控制律 | 第23-24页 |
| 3.2.3 伪偏导数估计算法 | 第24-25页 |
| 3.2.4 无模型自适应控制算法 | 第25-26页 |
| 3.3 无模型自适应控制器设计 | 第26-30页 |
| 3.3.1 无模型自适应控制器的仿真分析 | 第26-29页 |
| 3.3.2 无模型自适应控制参数对控制性能的影响 | 第29-30页 |
| 3.4 无模型自适应控制性能分析 | 第30-38页 |
| 3.4.1 跟踪性能分析 | 第31-34页 |
| 3.4.2 时滞适应性分析 | 第34-36页 |
| 3.4.3 适应性分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于遗传算法的无模型自适应控制 | 第39-47页 |
| 4.1 遗传算法 | 第39-41页 |
| 4.1.1 遗传操作方法 | 第39-40页 |
| 4.1.2 遗传算法的运算过程 | 第40-41页 |
| 4.2 遗传算法的无模型自适应控制 | 第41-44页 |
| 4.2.1 遗传算法的无模型自适应控制 | 第41-42页 |
| 4.2.2 遗传算法的无模型自适应控制参数整定 | 第42-44页 |
| 4.3 非线性、滞后、耦合控制系统仿真 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 SOM 和 RBF 网络的钕铁硼氢含量预测 | 第47-55页 |
| 5.1 SOM 和 RBF 网络软测量模型的建立 | 第47-51页 |
| 5.1.1 SOM 神经网络基本原理 | 第47-48页 |
| 5.1.2 RBF 神经网络基本原理 | 第48-50页 |
| 5.1.3 SOM 和 RBF 网络结合建模方法 | 第50-51页 |
| 5.2 基于 SOM 和 RBF 网络的钕铁硼合金氢含量软测量模型的建立 | 第51-52页 |
| 5.3 模型效果分析 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 无模型自适应控制的钕铁硼氢粉碎过程优化控制系统 | 第55-69页 |
| 6.1 钕铁硼氢粉碎监控系统的组成 | 第55-56页 |
| 6.2 硬件设备的选型 | 第56-57页 |
| 6.3 控制系统软件的设计 | 第57-66页 |
| 6.3.1 系统 PLC 控制程序的设计 | 第57-60页 |
| 6.3.2 PLC 与温控仪 CH402 通讯设计 | 第60-62页 |
| 6.3.3 组态王监控界面设计 | 第62-65页 |
| 6.3.4 MATLAB 中控制算法设计 | 第65-66页 |
| 6.4 系统运行结果分析 | 第66-68页 |
| 6.5 本章小结 | 第68-69页 |
| 总结 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 在学研究成果 | 第74-75页 |
| 致谢 | 第75页 |
