| 第一章 绪论 | 第1-32页 |
| ·传统控制的局限和智能控制的发展 | 第10-13页 |
| ·模糊控制的基本思想及其优缺点 | 第13-16页 |
| ·模糊控制器 | 第16-21页 |
| ·模糊化 | 第16-18页 |
| ·模糊数据库和规则库 | 第18页 |
| ·模糊推理机 | 第18-20页 |
| ·解模糊接口 | 第20-21页 |
| ·神经网络的特点及其控制的优点 | 第21-23页 |
| ·常见的神经网络控制方案及其应用 | 第23-29页 |
| ·有监督控制(Supervised Control) | 第23-24页 |
| ·直接逆控制(Neural Inverse Control) | 第24-25页 |
| ·内模控制(Internal Model Control) | 第25页 |
| ·模型预测控制(Model Predictive Control) | 第25-27页 |
| ·模型参考自适应控制(Model Reference Adaptive Control) | 第27-28页 |
| ·CMAC小脑模型控制 | 第28页 |
| ·再励学习控制(Reinforcement Learning Control) | 第28-29页 |
| ·模糊神经网络 | 第29-30页 |
| ·自适应控制系统及其应用 | 第30页 |
| ·本文的组织形式 | 第30-32页 |
| 第二章 中和过程机理及其常规控制方法 | 第32-45页 |
| ·pH中和的过程特性和机理模型 | 第32-37页 |
| ·pH值中和过程的特性 | 第32-34页 |
| ·pH值中和过程的机理模型 | 第34-37页 |
| ·中和过程的不完全微分PID控制 | 第37-39页 |
| ·常规的线性PID控制规律 | 第37-38页 |
| ·采用不完全微分的PID控制 | 第38-39页 |
| ·过程增益的非线性补偿控制 | 第39-41页 |
| ·前馈控制模型 | 第41-45页 |
| 第三章 基于模糊神经网络的中和过程自适应控制 | 第45-62页 |
| ·引言 | 第45-46页 |
| ·基于模糊神经网络的自适应控制 | 第46-53页 |
| ·基于模糊神经网络的MRAC方案 | 第47-48页 |
| ·模糊神经网络结构 | 第48-50页 |
| ·模糊神经网络的学习算法 | 第50-52页 |
| ·自适应学习率 | 第52-53页 |
| ·基于模糊神经网络的中和过程的自适应控制 | 第53-56页 |
| ·被控对象 | 第53-55页 |
| ·FNNI和FNNC的结构 | 第55-56页 |
| ·中和过程模糊神经网络控制系统的仿真实验 | 第56-62页 |
| ·自学习控制实验 | 第56-60页 |
| ·自适应控制实验 | 第60-62页 |
| 第四章 PH中和过程的自动控制系统的实现 | 第62-77页 |
| ·引言 | 第62页 |
| ·系统简介 | 第62-63页 |
| ·系统的硬件部分 | 第63-65页 |
| ·监控单元 | 第63-64页 |
| ·中央控制单元 | 第64-65页 |
| ·检测仪表 | 第65页 |
| ·控制系统的软件 | 第65-67页 |
| ·下位机PLC软件 | 第65-66页 |
| ·上位机GE-Faunc Cimplicity HMI工控软件 | 第66-67页 |
| ·系统监控功能介绍 | 第67-74页 |
| ·主流程界面监控功能介绍 | 第67-68页 |
| ·系统辅助界面功能介绍 | 第68-74页 |
| ·控制效果分析 | 第74-76页 |
| ·结束语 | 第76-77页 |
| 第五章 总结 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 硕士生期间参加的科研项目 | 第82-83页 |
| 致谢 | 第83页 |
