便携式干体炉非线性控制系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 1 绪论 | 第11-18页 |
| ·前言 | 第11-12页 |
| ·干体炉的应用背景 | 第11页 |
| ·干体炉温度控制方法的现状 | 第11-12页 |
| ·人工神经网络的发展历程 | 第12-14页 |
| ·人工神经网络的兴起与衰落 | 第12-13页 |
| ·人工神经网络的复兴 | 第13页 |
| ·政府机构对神经网络研究的重视 | 第13-14页 |
| ·非线性系统控制方法研究 | 第14-16页 |
| ·非线性系统控制方法 | 第14-15页 |
| ·神经网络控制在应用中出现的问题 | 第15-16页 |
| ·论文内容安排及创新点 | 第16-18页 |
| ·内容安排 | 第16页 |
| ·论文创新点 | 第16-18页 |
| 2 干体炉温度控制系统建模 | 第18-31页 |
| ·干体炉温度控制系统分析 | 第18-20页 |
| ·干体炉工作原理 | 第18-19页 |
| ·干体炉非线性特性分析 | 第19-20页 |
| ·系统建模方法研究 | 第20-22页 |
| ·机理建模法 | 第20-21页 |
| ·实验建模法 | 第21-22页 |
| ·机理分析法建模 | 第22-25页 |
| ·干体炉温度控制系统机理分析 | 第22-24页 |
| ·干体炉温度控制系统机理分析模型 | 第24-25页 |
| ·相关系数辨识法建模 | 第25-30页 |
| ·相关系数辨识法原理 | 第25-26页 |
| ·干体炉温度控制系统相关系数辨识法模型 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 3 RBF神经网络研究 | 第31-43页 |
| ·RBF神经网络原理 | 第31-33页 |
| ·RBF神经网络结构 | 第31-32页 |
| ·RBF神经网络学习算法研究现状 | 第32-33页 |
| ·RAN学习算法研究 | 第33-35页 |
| ·RAN学习算法原理 | 第33-35页 |
| ·RAN学习算法的优缺点 | 第35页 |
| ·GIRAN学习算法研究 | 第35-38页 |
| ·GIRAN学习算法原理 | 第35-37页 |
| ·GIRAN学习算法的优缺点 | 第37-38页 |
| ·SRAN学习算法 | 第38-42页 |
| ·网络初始化 | 第38页 |
| ·新颖性准则 | 第38-39页 |
| ·删除准则 | 第39-40页 |
| ·参数更新算法 | 第40-41页 |
| ·SRAN学习算法流程 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 计算机仿真结果及分析 | 第43-51页 |
| ·网络性能 | 第43-48页 |
| ·隐含层神经元数目 | 第43-44页 |
| ·逼近速度 | 第44-45页 |
| ·鲁棒性 | 第45-48页 |
| ·温度控制效果 | 第48-50页 |
| ·动态特性 | 第48-49页 |
| ·稳态特性 | 第49-50页 |
| ·算法复杂性 | 第50页 |
| ·预置参数数目 | 第50页 |
| ·计算量 | 第50页 |
| ·本章小结 | 第50-51页 |
| 5 干体炉系统操作控制软件 | 第51-66页 |
| ·开发工具 | 第51-53页 |
| ·软件开发周期 | 第51页 |
| ·面向对象的高级编程语言 | 第51-52页 |
| ·C++ Builder 2010开发环境 | 第52-53页 |
| ·系统设计 | 第53-61页 |
| ·模块设计 | 第53-58页 |
| ·线程设计 | 第58-60页 |
| ·数据库设计 | 第60-61页 |
| ·软件测试 | 第61-65页 |
| ·单元测试 | 第62-63页 |
| ·集成测试 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| ·工作总结 | 第66页 |
| ·工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第72-73页 |
| 致谢 | 第73页 |
