首页--工业技术论文--化学工业论文--制药化学工业论文--一般性问题论文--产品检验及分析鉴定论文

微量动态药品称重系统的研究与设计

摘要第4-6页
Abstract第6-7页
第一章 绪论第11-16页
    1.1 课题研究背景第11-12页
    1.2 国内外研究现状第12-14页
        1.2.1 国内研究现状第12页
        1.2.2 国外研究现状第12-13页
        1.2.3 国内外研究差异第13页
        1.2.4 国内外研究趋势第13-14页
    1.3 选题依据第14-15页
    1.4 论文结构与内容安排第15-16页
第二章 关键技术第16-24页
    2.1 动态称重第16-20页
        2.1.1 称重传感器选型第17-20页
    2.2 电子式微量称重自适应补偿技术第20-22页
    2.3 本章小结第22-24页
第三章 系统总体方案设计第24-29页
    3.1 系统需求分析第24页
    3.2 系统总体方案第24-28页
        3.2.1 系统总体设计比较分析第24-28页
        3.2.2 系统机械设计第28页
    3.3 本章小结第28-29页
第四章 运动学建模与机械仿真第29-37页
    4.1 药品单元运动过程仿真第29-31页
    4.2 Matlab理论仿真第31-33页
    4.3 Solidworks建模仿真第33-36页
        4.3.1 Solidworks概要第33页
        4.3.2 Solidworks插件第33-34页
        4.3.3 Solidworks建模第34-36页
    4.4 本章小结第36-37页
第五章 系统软件设计及实验验证第37-58页
    5.1 控制系统设计第37-42页
        5.1.1 控制平台选取第37-40页
        5.1.2 控制系统设计第40-42页
    5.2 应用界面设计第42-56页
        5.2.1 嵌入式开发环境搭建第42-47页
        5.2.2 常见嵌入式GUI应用第47-49页
        5.2.3 搭建交叉编译环境第49页
        5.2.4 宿主机安装第49-50页
        5.2.5 嵌入式平台移植第50-53页
        5.2.6 MiniGUI界面设计第53-56页
    5.3 实验验证第56-57页
    5.4 本章小结第57-58页
第六章 基于BP神经网络的非线性补偿第58-65页
    6.1 称重传感器非线性补偿第58页
        6.1.1 称重传感器补偿原理第58页
    6.2 BP神经网络介绍第58-64页
        6.2.1 L-M算法介绍第59页
        6.2.2 BP神经网络设计第59-60页
        6.2.3 网络模型训练样本第60-61页
        6.2.4 网络模型训练步骤第61页
        6.2.5 神经网络补偿结果分析第61-64页
    6.3 本章小结第64-65页
第七章 总结及展望第65-67页
    7.1 论文总结第65-66页
    7.2 论文展望第66-67页
参考文献第67-70页
附录一第70-71页
附录二第71-72页
致谢第72-73页
攻读学位期间发表的学术论文第73页

论文共73页,点击 下载论文
上一篇:基于错误传播上下文分析的软件错误定位方法研究
下一篇:基于视频序列分析的乳腺癌良恶性方法的研究