人工神经网络算法的研究与在DCS控制系统中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·选题背景及依据 | 第9-10页 |
| ·神经网络及其发展 | 第10-12页 |
| ·神经网络模型 | 第12-14页 |
| ·生物神经元 | 第12-13页 |
| ·神经元模型 | 第13-14页 |
| ·DCS控制系统以及其发展 | 第14-17页 |
| 第二章 人工神经网络 | 第17-41页 |
| ·多层感知器和单层感知器 | 第17-20页 |
| ·单层感知器模型 | 第17-18页 |
| ·单层感知器学习算法 | 第18-19页 |
| ·多层感知器 | 第19-20页 |
| ·BP神经网络 | 第20-25页 |
| ·BP神经网络学习算法 | 第25-28页 |
| ·BP神经网络的学习算法思想 | 第25-26页 |
| ·BP神经网络的学习过程 | 第26-28页 |
| ·BP神经网络在预测中的算法实现 | 第28页 |
| ·神经网络用于预测控制 | 第28-35页 |
| ·时滞的SISO工业控制系统的延时辨识 | 第30-31页 |
| ·智能预测系统模型 | 第31-32页 |
| ·系统预测输出的反馈校正 | 第32-33页 |
| ·基于神经网络预测的PID控制器 | 第33-34页 |
| ·控制器设计 | 第34-35页 |
| ·模型仿真研究 | 第35-41页 |
| ·非线性和线性延迟时间d的辨识仿真 | 第35-36页 |
| ·非线性和线性模型辨识的对比仿真 | 第36-38页 |
| ·线性和非线性实时控制的仿真 | 第38-41页 |
| 第三章 DCS控制系统 | 第41-61页 |
| ·DCS控制系统的结构组成 | 第41页 |
| ·现场控制站 | 第41-44页 |
| ·现场控制站的构成 | 第42-43页 |
| ·现场控制站的控制方式 | 第43-44页 |
| ·系统网络 | 第44页 |
| ·人机接口 | 第44-45页 |
| ·现场总线 | 第45页 |
| ·DCS的软件 | 第45-46页 |
| ·Symphony系统 | 第46-61页 |
| ·Symphony系统的设备 | 第47-49页 |
| ·Symphony系统的通讯网络 | 第49-51页 |
| ·Symphony系统的通信协议 | 第51-54页 |
| ·现场控制单元 | 第54-55页 |
| ·人系统接口 | 第55页 |
| ·计算机接口单元 | 第55-56页 |
| ·功能码 | 第56-58页 |
| ·组态工具 | 第58-61页 |
| 第四章 神经网络算法在DCS控制系统中的应用 | 第61-73页 |
| ·SemA PI简介 | 第61-62页 |
| ·通信程序的实现思路以及方法 | 第62-63页 |
| ·软件实现 | 第63-73页 |
| ·计算机与DCS的通讯 | 第64-65页 |
| ·采集系统的数据 | 第65-67页 |
| ·延迟时间辨识 | 第67-68页 |
| ·模型辨识模块 | 第68-70页 |
| ·神经网络预测PID实时控制模块 | 第70-73页 |
| 总结与展望 | 第73-75页 |
| 论文的主要工作 | 第73页 |
| 研究存在的问题以及展望 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 附录 | 第77-79页 |
| 附录1 | 第77页 |
| 附录2 | 第77页 |
| 附录3 | 第77-79页 |
| 致谢 | 第79-80页 |
| 攻读学位期间发表的学术论文目录 | 第80-82页 |
