智能控制在LED实验室温湿度环境中的应用
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 滞后系统的现状 | 第13-16页 |
| 1.3 智能控制的国内外发展现状 | 第16-17页 |
| 1.4 本课题主要研究内容 | 第17-18页 |
| 1.5 论文的组织结构 | 第18-20页 |
| 第2章 滞后系统的基础 | 第20-28页 |
| 2.1 纯滞后对象的常规控制方法 | 第20页 |
| 2.2 大林(Dahlin)算法 | 第20-22页 |
| 2.2.1 大林算法的基本思想 | 第20-22页 |
| 2.2.2 大林算法的性能评价 | 第22页 |
| 2.3 史密斯(Smith)算法 | 第22-26页 |
| 2.3.1 史密斯原则 | 第22-23页 |
| 2.3.2 史密斯方法 | 第23-25页 |
| 2.3.3 史密斯方法性能分析 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 智能控制的理论分析 | 第28-40页 |
| 3.1 概述 | 第28-30页 |
| 3.1.1 智能控制的基本概念 | 第28-29页 |
| 3.1.2 智能控制技术的体系结构 | 第29-30页 |
| 3.2 模糊控制理论 | 第30-33页 |
| 3.3 神经网络控制理论 | 第33-35页 |
| 3.4 神经网络与模糊控制系统 | 第35-38页 |
| 3.4.1 模糊控制系统和神经网络的知识处理 | 第36-37页 |
| 3.4.2 模糊控制系统和神经网络的结合 | 第37-38页 |
| 3.5 本章小结 | 第38-40页 |
| 第4章 自适应神经模糊推理系统控制方案设计 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 自适应神经模糊推理系统 | 第40-45页 |
| 4.2.1 ANFIS的结构 | 第40-42页 |
| 4.2.2 自适应神经模糊推理的控制算法 | 第42-43页 |
| 4.2.3 ANFIS的参数学习方法 | 第43-45页 |
| 4.3 自适应神经模糊控制器设计 | 第45-47页 |
| 4.3.1 自适应神经模糊网络控制器 | 第46-47页 |
| 4.3.2 智能比例积分控制器 | 第47页 |
| 4.4 ANFIS的仿真结果 | 第47-48页 |
| 4.5 ANFIS的总体评价 | 第48-50页 |
| 第5章 温湿度智能控制系统的实现 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 温湿度传感器的选择 | 第50-54页 |
| 5.2.1 温度传感器介绍 | 第50-52页 |
| 5.2.2 湿度传感器介绍 | 第52页 |
| 5.2.3 传感器的选择 | 第52-54页 |
| 5.3 报警系统 | 第54-55页 |
| 5.4 控制流程 | 第55-57页 |
| 5.4.1 控制器结构设计 | 第55-56页 |
| 5.4.2 控制规则表结构 | 第56-57页 |
| 5.5 温湿度控制环境及其界面呈现 | 第57-58页 |
| 5.5.1 控制环境介绍 | 第57页 |
| 5.5.2 触摸屏控制界面设计 | 第57-58页 |
| 5.6 本章小结 | 第58-60页 |
| 结论与展望 | 第60-62页 |
| 结论 | 第60页 |
| 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文 | 第66-68页 |
| 致谢 | 第68页 |
