基于人工神经网络的水压机活动横梁位置控制系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-21页 |
| ·项目来源 | 第10页 |
| ·液压机的技术现状及发展趋势 | 第10-13页 |
| ·液压机发展简史 | 第10-11页 |
| ·国内外液压机的技术现状 | 第11-12页 |
| ·液压机的发展趋势 | 第12-13页 |
| ·液压机活动横梁位置控制的发展及现状 | 第13-15页 |
| ·液压机活动横梁位置控制的发展 | 第13-14页 |
| ·目前常用的几种液压机横梁位置控制系统介绍 | 第14-15页 |
| ·人工神经网络及其应用 | 第15-18页 |
| ·人工神经网络发展简史 | 第15-16页 |
| ·人工神经网络的基本特点 | 第16-17页 |
| ·人工神经网络的应用情况 | 第17-18页 |
| ·研究意义 | 第18-19页 |
| ·本文结构 | 第19-21页 |
| 第二章 水压机改造方案及工作原理分析 | 第21-28页 |
| ·总体改造方案介绍 | 第21-22页 |
| ·水压机各部分改造设计简介 | 第22-24页 |
| ·分配器改造 | 第22-23页 |
| ·操纵液压系统设计 | 第23-24页 |
| ·检测系统设计 | 第24页 |
| ·控制系统设计 | 第24页 |
| ·改造后水压机的工作原理 | 第24-26页 |
| ·分配器工作原理 | 第24-26页 |
| ·水压机行程控制原理 | 第26页 |
| ·小结 | 第26-28页 |
| 第三章 位置控制系统方案研究及系统构建 | 第28-38页 |
| ·引言 | 第28页 |
| ·位置控制系统需解决的问题 | 第28-29页 |
| ·目前常用的解决方法及其局限性分析 | 第29-31页 |
| ·目前常用的解决方法介绍 | 第29-30页 |
| ·目前常用解决方法的局限性分析 | 第30-31页 |
| ·基于人工神经网络的横梁位置控制 | 第31-32页 |
| ·基本思想 | 第31页 |
| ·基于人工神经网络方法的优势 | 第31-32页 |
| ·水压机横梁位置控制系统构建 | 第32-37页 |
| ·总体构建 | 第32页 |
| ·检测元件的选用 | 第32-34页 |
| ·PLC的选型 | 第34-35页 |
| ·上位机及组态软件的选用 | 第35-36页 |
| ·通讯总线的选择 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 神经网络模型构建及算法选择 | 第38-53页 |
| ·神经网络概述 | 第38-40页 |
| ·生物神经元 | 第38-39页 |
| ·人工神经元模型 | 第39-40页 |
| ·神经网络模型的建立 | 第40-47页 |
| ·神经网络开发工具的选择 | 第40-42页 |
| ·神经网络模型类型的选择 | 第42-43页 |
| ·BP网络输入层和输出层的设计 | 第43-44页 |
| ·BP网络隐层的设计 | 第44-46页 |
| ·BP网络结构初定 | 第46-47页 |
| ·BP网络学习算法及改进 | 第47-52页 |
| ·常规的BP网络学习算法 | 第47-49页 |
| ·常规BP网络学习算法的局限性 | 第49页 |
| ·BP网络学习算法的改进 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 神经网络预测算法在上位机中的实现 | 第53-74页 |
| ·水压机上位机监控系统基本功能的实现 | 第53-58页 |
| ·水压机监控系统基本功能要求 | 第53页 |
| ·WinCC与PLC之间通讯的建立 | 第53-54页 |
| ·人机界面设计规划 | 第54-56页 |
| ·报警组态 | 第56-57页 |
| ·数据管理功能的实现 | 第57-58页 |
| ·神经网络超程值预测算法实现总体方案 | 第58-62页 |
| ·神经网络超程值预测的实现步骤 | 第58-59页 |
| ·编程思想 | 第59-62页 |
| ·学习样本数据的采集和存储 | 第62-65页 |
| ·WinCC变量记录功能介绍 | 第62-63页 |
| ·学习样本数据的变量记录组态 | 第63-64页 |
| ·WinCC与Excel之间的数据转存 | 第64-65页 |
| ·神经网络模型的训练 | 第65-69页 |
| ·Excel-link功能介绍 | 第65-67页 |
| ·界面开发 | 第67-68页 |
| ·学习训练脚本编制 | 第68-69页 |
| ·神经网络模型的测试 | 第69-70页 |
| ·测试方法介绍 | 第69-70页 |
| ·样本测试结果 | 第70页 |
| ·超程值δ的在线预测 | 第70-73页 |
| ·神经网络的正向传播计算 | 第70-72页 |
| ·超程值在线预测算法 | 第72-73页 |
| ·小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-75页 |
| ·全文总结 | 第74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间的主要成果 | 第79页 |
