禽畜饲养场环境测控系统及数据处理的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·国内外禽畜饲养场环境测控技术研究状况 | 第11-12页 |
| ·现代测控技术的发展 | 第12-13页 |
| ·本文完成的工作 | 第13-14页 |
| ·课题来源 | 第14-15页 |
| 第二章 禽畜饲养场环境测控系统 | 第15-25页 |
| ·禽畜饲养场环境监测参数的确定 | 第15页 |
| ·禽畜饲养场粉尘测量系统 | 第15-18页 |
| ·粉尘测量基本原理 | 第16-17页 |
| ·粉尘测量系统设计 | 第17-18页 |
| ·禽畜饲养场有害气体测控系统设计 | 第18-25页 |
| ·系统工作原理 | 第19页 |
| ·系统设计的难点和重点 | 第19页 |
| ·气敏传感器阵列和气敏传感器的选择 | 第19-21页 |
| ·数据采集方法 | 第21-22页 |
| ·测控系统硬件结构组成 | 第22-23页 |
| ·有害气体测量系统设计 | 第23-25页 |
| 第三章 系统测控软件设计 | 第25-35页 |
| ·软件设计概述 | 第25-26页 |
| ·软件系统设计 | 第26-29页 |
| ·体系结构设计 | 第26-27页 |
| ·模块设计 | 第27-28页 |
| ·数据结构与算法设计 | 第28页 |
| ·用户界面设计 | 第28-29页 |
| ·软件测试 | 第29页 |
| ·测控系统软件设计 | 第29-35页 |
| ·测控系统软件组成 | 第30-31页 |
| ·测控系统软件设计内容 | 第31-32页 |
| ·测控系统软件设计实现 | 第32-35页 |
| 第四章 应用神经网络预测有害气体浓度 | 第35-46页 |
| ·人工神经网络概述 | 第35-36页 |
| ·前向型神经网络 | 第36-41页 |
| ·径向基神经网络 | 第37-39页 |
| ·RBF网络的学习算法 | 第39-41页 |
| ·RBF网络的特点及应用 | 第41页 |
| ·有害气体浓度数据预测 | 第41-46页 |
| ·预测原理 | 第42页 |
| ·数据划分方法和归一化处理 | 第42-44页 |
| ·RBF网络的设计 | 第44-45页 |
| ·预测效果分析 | 第45-46页 |
| 第五章 历史数据分析与处理 | 第46-61页 |
| ·数据的纠错和平滑处理 | 第46页 |
| ·坏数据调整的基本思路 | 第46-47页 |
| ·历史数据曲线模式聚类 | 第47-54页 |
| ·简单的竞争学习 | 第48-49页 |
| ·自组织映射神经网络的聚类分析 | 第49-51页 |
| ·自组织映射神经网络模型 | 第51页 |
| ·自组织映射学习算法 | 第51-54页 |
| ·采用SOM网实现数据曲线聚类 | 第54页 |
| ·含有坏数据的曲线模式识别 | 第54-56页 |
| ·用特征曲线数据产生RBF网络训练样本集 | 第54-55页 |
| ·RBF网络的训练 | 第55-56页 |
| ·坏数据辨识的组合神经网络模型 | 第56页 |
| ·基于特征曲线的坏数据的调整 | 第56-57页 |
| ·实例分析 | 第57-61页 |
| ·组合神经网络训练样本集的产生 | 第57-58页 |
| ·SOM网络设计与运算 | 第58-59页 |
| ·坏数据调整结果 | 第59-61页 |
| 第六章 数据处理软件 | 第61-75页 |
| ·数据处理软件设计 | 第61-66页 |
| ·用户管理 | 第62-65页 |
| ·主窗体的界面设计 | 第65-66页 |
| ·数据库设计 | 第66-67页 |
| ·数据处理软件与MATLAB接口设计 | 第67-69页 |
| ·数据处理软件设计时的注意事项 | 第69页 |
| ·数据处理软件概述 | 第69-75页 |
| ·输入和转换 | 第70-71页 |
| ·标记和校正处理 | 第71-73页 |
| ·计算与预测处理 | 第73-74页 |
| ·显示 | 第74-75页 |
| 第七章 结论与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·进一步研究的内容 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录 | 第81-83页 |
