| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 KLK烘丝机工作原理及性能 | 第14-16页 |
| 1.3.1 KLK烘丝机工作原理 | 第14-15页 |
| 1.3.2 烘丝机的干燥能力 | 第15页 |
| 1.3.3 烘丝机的工艺任务 | 第15-16页 |
| 1.3.4 烘丝机的技术要求 | 第16页 |
| 1.4 研究目的 | 第16页 |
| 1.5 主要研究内容 | 第16-17页 |
| 1.6 论文组织结构 | 第17-19页 |
| 第2章 关键理论和技术 | 第19-32页 |
| 2.1 人工神经元模型 | 第19-20页 |
| 2.2 神经网络的意义及其特点 | 第20-21页 |
| 2.3 人工神经网络的模型 | 第21-22页 |
| 2.3.1 前向网络 | 第21页 |
| 2.3.2 反馈网络 | 第21-22页 |
| 2.4 神经网络的学习算法 | 第22-25页 |
| 2.4.1 Hebb规则 | 第22-23页 |
| 2.4.2 δ学习规则 | 第23-24页 |
| 2.4.3 相关学习规则 | 第24页 |
| 2.4.4 胜者为王学习规则 | 第24-25页 |
| 2.5 感知器网络 | 第25-26页 |
| 2.6 多层前向BP神经网络 | 第26-31页 |
| 2.6.1 BP学习算法 | 第26-29页 |
| 2.6.2 神经网络算法的缺点 | 第29-30页 |
| 2.6.3 神经网络算法的改进 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第3章 基于BP神经网络的PID控制器设计 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 常规PID控制 | 第32-35页 |
| 3.2.1 常规PID控制介绍 | 第32-34页 |
| 3.2.2 PID控制器的参数整定 | 第34页 |
| 3.2.3 常规PID控制器的局限性 | 第34-35页 |
| 3.3 基于BP神经网络的PID控制 | 第35-38页 |
| 3.3.1 前向算法 | 第36-37页 |
| 3.3.2 反传算法 | 第37-38页 |
| 3.4 改进型BP神经网络PID控制 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 控制算法的仿真研究 | 第43-52页 |
| 4.1 烘丝控制系统模型的建立 | 第43-44页 |
| 4.2 MATLAB仿真 | 第44-51页 |
| 4.2.1 对阶跃信号的跟踪 | 第45-48页 |
| 4.2.2 对外部干扰的适应性 | 第48-49页 |
| 4.2.3 对外部对象发生变化是的适应性(鲁棒性) | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 烘丝机控制系统在生产中的应用 | 第52-61页 |
| 5.1 烘丝机筒壁温度控制 | 第52-55页 |
| 5.1.1 基本控制模型 | 第52-53页 |
| 5.1.2 烘丝机在启动状态下的控制 | 第53-54页 |
| 5.1.3 烘丝机在生产状态下的控制 | 第54-55页 |
| 5.2 烘丝机控制参数优化 | 第55-57页 |
| 5.2.1 烘丝机参数干燥子C_(k1)优化 | 第55页 |
| 5.2.2 蒸汽阀门PI控制器参数优化 | 第55-57页 |
| 5.2.3 简体转速控制优化 | 第57页 |
| 5.3 改进效果验证 | 第57-59页 |
| 5.3.1 烘丝后烟丝水分趋势图比较 | 第57-58页 |
| 5.3.2 烘丝机过程能力分析比较 | 第58-59页 |
| 5.4 本章小结 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录A 攻读学位期间所参与的主要项目 | 第65-66页 |
| 致谢 | 第66页 |