| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·微生物发酵控制现状 | 第7-11页 |
| ·早期微生物发酵控制现状 | 第8页 |
| ·新型微生物发酵控制系统进展 | 第8-9页 |
| ·文献中的新型控制系统 | 第9-11页 |
| ·本课题的目的和意义 | 第11页 |
| ·本论文主要工作 | 第11-12页 |
| ·本章总结 | 第12-13页 |
| 第二章 核心算法理论与建模分析 | 第13-30页 |
| ·智能控制简介 | 第13-15页 |
| ·智能控制的研究对象 | 第13页 |
| ·智能控制系统的主要特征及其分类 | 第13-15页 |
| ·人工神经网络控制简介 | 第15-23页 |
| ·人工神经元 | 第15-16页 |
| ·人工神经网络模型 | 第16-17页 |
| ·误差反向传播(Error Back Propagation),即BP算法概述 | 第17-18页 |
| ·BP算法数学模型分析 | 第18-20页 |
| ·BP学习算法的网络误差与权值调整数学原理 | 第20-21页 |
| ·标准BP算法的不足之处与改进 | 第21-23页 |
| ·基于BP算法的前馈网络设计过程 | 第23-26页 |
| ·网络信息容量与训练样本数据的确定 | 第23-24页 |
| ·输入层节点数的确定 | 第24-25页 |
| ·输出层节点数目的确定 | 第25页 |
| ·隐含层层数与节点数确定 | 第25-26页 |
| ·基于BP算法的神经网络在本课题中的应用 | 第26-29页 |
| ·概述 | 第26-27页 |
| ·针对该被控对象的神经网络模型的建立 | 第27-29页 |
| ·本章总结 | 第29-30页 |
| 第三章 核心BP算法的MATLAB实现 | 第30-38页 |
| ·MATLAB软件简介 | 第30-34页 |
| ·MATLAB软件的特点和其应用现状 | 第30-31页 |
| ·基于MATLAB工具箱的神经网络控制 | 第31-34页 |
| ·利用神经网络工具箱构建基于BP算法的前馈网络过程 | 第34-37页 |
| ·在MATLAB中构建网络对象过程 | 第34-35页 |
| ·预处理训练样本数据 | 第35-36页 |
| ·设置训练常用参数 | 第36-37页 |
| ·训练网络对象 | 第37页 |
| ·本章小结 | 第37-38页 |
| 第四章 微生物发酵控制系统硬件设计 | 第38-49页 |
| ·发酵控制系统组成简介 | 第38-39页 |
| ·基于C8051F340的SoC控制器的设计 | 第39-48页 |
| ·SOC控制器总体简介 | 第39-40页 |
| ·控制系统核心CPU——C8051F340 | 第40-41页 |
| ·模数转换(A/D)模块 | 第41-42页 |
| ·USB通讯模块 | 第42-45页 |
| ·D/A转换与输出驱动电路 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 系统软件设计 | 第49-60页 |
| ·LABVIEW概述 | 第49-54页 |
| ·LABVIEW程序控制结构与属性节点 | 第50-54页 |
| ·MATLAB与LABVIEW混合编程 | 第54-57页 |
| ·LABVIEW的互联接口简介 | 第54页 |
| ·把M文件编译为DLL库文件 | 第54-57页 |
| ·在LABVIEW中利用调用库函数节点调用DLL库文件 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 攻读硕士学位期间取得的学术成果 | 第63-64页 |
| 致谢 | 第64-65页 |
