多变量耦合系统的解耦控制设计和仿真
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| 第1节 课题的来源、研究背景及意义 | 第10页 |
| 第2节 解耦控制系统研究现状 | 第10-12页 |
| 第3节 本论文的结构安排 | 第12-13页 |
| 第2章 解耦控制原理概述 | 第13-25页 |
| 第1节 耦合程度分析方法 | 第13-14页 |
| 第2节 三种解耦方法分析 | 第14-17页 |
| 一、对角阵解耦法 | 第14-15页 |
| 二、前馈补偿解耦法 | 第15-16页 |
| 三、反馈解耦法 | 第16-17页 |
| 第3节 PID 控制器概述 | 第17-20页 |
| 一、PID 控制基本原理及参数整定 | 第17-19页 |
| 二、遗传算法整定PID 控制器参数 | 第19-20页 |
| 第4节 神经网络概述 | 第20-25页 |
| 一、神经元与神经网络 | 第20-21页 |
| 二、RBF 神经网络 | 第21-25页 |
| 第3章 薄膜厚度系统解耦控制 | 第25-40页 |
| 第1节 薄膜厚度控制系统模型及其耦合性分析 | 第25-27页 |
| 一、薄膜厚度控制系统模型 | 第25-26页 |
| 二、耦合性分析 | 第26-27页 |
| 第2节 类前馈解耦PID 控制设计 | 第27-36页 |
| 一、解耦控制分析 | 第27-28页 |
| 二、解耦器的设计 | 第28-32页 |
| 三、PID 控制器设计 | 第32-33页 |
| 四、系统实现及其仿真分析 | 第33-36页 |
| 第3节 逆奈奎斯特阵列解耦PID 控制 | 第36-39页 |
| 一、逆奈奎斯特阵列法 | 第36-37页 |
| 二、系统实现及其仿真分析 | 第37-39页 |
| 第4节 两种方法比较 | 第39页 |
| 第5节 本章小结 | 第39-40页 |
| 第4章 基于代数算法的RBF 神经网络解耦控制 | 第40-48页 |
| 第1节 基于神经网络的自适应PID 控制系统 | 第40-41页 |
| 第2节 RBF 神经网络辨识器（NNI）设计 | 第41-44页 |
| 一、RBF 神经网络构造 | 第41-43页 |
| 二、代数算法训练RBF 神经网络 | 第43-44页 |
| 第3节 自适应PID 控制器（NNC）设计 | 第44-45页 |
| 第4节 解耦控制系统结构整体设计 | 第45页 |
| 第5节 仿真实例 | 第45-47页 |
| 第6节 本章小结 | 第47-48页 |
| 第5章 工作总结与研究展望 | 第48-50页 |
| 第1节 工作总结 | 第48页 |
| 第2节 研究展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士期间发表的论文目录 | 第53-54页 |
| 致谢 | 第54-55页 |
