基于CSTR温度系统的模糊神经网络预测控制研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·本文研究背景及意义 | 第10-11页 |
| ·预测控制综述 | 第11-14页 |
| ·发展历程及理论特点 | 第11-13页 |
| ·现有问题及研究动向 | 第13-14页 |
| ·模糊神经网络综述 | 第14-16页 |
| ·发展历程及理论特点 | 第14-15页 |
| ·现有问题及发展方向 | 第15-16页 |
| ·模糊理论和神经网络相结合的方法 | 第16-18页 |
| ·本文的主要工作 | 第18-20页 |
| 第2章 模糊神经网络结构 | 第20-34页 |
| ·神经网络 | 第20-22页 |
| ·神经元模型 | 第20-21页 |
| ·神经网络结构 | 第21-22页 |
| ·模糊推理机制 | 第22-27页 |
| ·模糊推理算法 | 第22-23页 |
| ·Mamdani 模糊推理 | 第23-26页 |
| ·T-S 模糊推理 | 第26-27页 |
| ·两种常见的模糊神经网络结构 | 第27-33页 |
| ·模糊神经网络的类型 | 第27-28页 |
| ·模糊神经网络NFNN | 第28-31页 |
| ·模糊神经网络ANFIS | 第31-32页 |
| ·模糊基函数 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 基于CSTR 系统控制方法分析 | 第34-53页 |
| ·CSTR 结构及工作原理 | 第34-35页 |
| ·典型的CSTR 结构 | 第34-35页 |
| ·CSTR 的工作过程 | 第35页 |
| ·CSTR 系统的控制技术 | 第35-36页 |
| ·CSTR 系统控制方法的选取 | 第36-45页 |
| ·常规控制方法的不足 | 第37-40页 |
| ·预测控制 | 第40-42页 |
| ·智能预测模型的选取 | 第42-44页 |
| ·模糊神经网络结构选择 | 第44-45页 |
| ·模糊神经网络的学习算法 | 第45-52页 |
| ·学习算法类型 | 第45-48页 |
| ·梯度下降法 | 第48-51页 |
| ·K 均值聚类法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 基于模糊神经网络的预测控制器设计 | 第53-66页 |
| ·CSTR 系统的温度控制 | 第53-54页 |
| ·模糊神经网络预测控制系统结构 | 第54-55页 |
| ·基于模糊神经网络的多步预测模型 | 第55-60页 |
| ·多步递推预测模型 | 第55-57页 |
| ·误差反馈校正 | 第57-58页 |
| ·滚动优化算法 | 第58-60页 |
| ·CSTR 系统模糊神经网络离线辨识 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 基于过程实验台的仿真研究 | 第66-81页 |
| ·过程控制系统仿真平台 | 第66-69页 |
| ·MPCE 实验系统 | 第66-67页 |
| ·控制算法开发方法 | 第67-69页 |
| ·被控对象工艺过程 | 第69-70页 |
| ·仿真实验结果 | 第70-79页 |
| ·反应过程温度特性 | 第70-71页 |
| ·系统控制要求 | 第71-72页 |
| ·CSTR 系统PID 参数整定 | 第72-73页 |
| ·仿真结果分析 | 第73-79页 |
| ·本章小结 | 第79-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第86-87页 |
| 致谢 | 第87页 |
