| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| ·选题背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·国外的阳极焙烧技术 | 第13-14页 |
| ·我国的阳极焙烧技术 | 第14-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| ·本文构思 | 第16-17页 |
| 第2章 阳极焙烧炉温度控制系统 | 第17-26页 |
| ·阳极焙烧原理及工艺要求 | 第17-22页 |
| ·焙烧设备 | 第17页 |
| ·阳极焙烧原理 | 第17-19页 |
| ·阳极焙烧的工艺要求 | 第19-22页 |
| ·阳极焙烧炉燃烧控制系统 | 第22-25页 |
| ·燃烧控制系统的组成 | 第23页 |
| ·系统控制作用 | 第23-24页 |
| ·燃烧架温度系统控制要求 | 第24页 |
| ·系统控制难点 | 第24-25页 |
| ·系统控制参数的确定 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 新型PID控制器的分析与研究 | 第26-37页 |
| ·引言 | 第26页 |
| ·PID控制原理 | 第26-31页 |
| ·模拟PID控制器 | 第26-28页 |
| ·数字PID控制器 | 第28-31页 |
| ·PID参数自整定方法 | 第31-36页 |
| ·经验公式法 | 第31-34页 |
| ·仿真试验法 | 第34-35页 |
| ·继电型PID自整定方法 | 第35页 |
| ·智能型PID参数自整定方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 神经网络自适应PID控制 | 第37-52页 |
| ·引言 | 第37-38页 |
| ·人工神经网络介绍 | 第38-39页 |
| ·人工神经网络研究的起源 | 第38页 |
| ·神经元及其特性 | 第38-39页 |
| ·人工神经网络的基本类型 | 第39页 |
| ·BP网络的结构及算法分析 | 第39-42页 |
| ·BP网络的结构 | 第39-40页 |
| ·BP网络的算法分析 | 第40-42页 |
| ·RBF神经网络 | 第42-43页 |
| ·基于RBF神经网络的自适应PID控制算法 | 第43-51页 |
| ·RBF神经网络的结构 | 第44-45页 |
| ·基于RBF神经网络自适应PID控制器的设计 | 第45-49页 |
| ·RBF神经网络自适应PID对多输入多输出系统的控制仿真 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于RBF神经网络的解耦控制 | 第52-67页 |
| ·引言 | 第52页 |
| ·神经网络解耦控制 | 第52-54页 |
| ·串联解耦 | 第53页 |
| ·并联解耦 | 第53-54页 |
| ·分散式神经网络解耦 | 第54-59页 |
| ·分散解耦器结构 | 第54-56页 |
| ·基于神经网络的分散解耦器算法及仿真分析 | 第56-59页 |
| ·基于RBF神经网络自适应PID的在线解耦控制算法 | 第59-60页 |
| ·基于RBF神经网络自适应PID的预焙阳极焙烧炉在线解耦控制 | 第60-65页 |
| ·预焙阳极焙烧炉温度系统的神经网络自适应PID控制仿真 | 第61-62页 |
| ·基于RBF神经网络自适应PID的预焙阳极焙烧炉解耦控制仿真 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 1.本文所取得的研究成果 | 第67页 |
| 2.对课题后续研究工作的展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第74页 |
