| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-18页 |
| 1.1 注塑机开合模机构介绍及其定位技术的研究意义 | 第11-12页 |
| 1.2 开合模机构控制系统现状及改进 | 第12-13页 |
| 1.3 开合模机构精确定位控制研究现状 | 第13-15页 |
| 1.4 开合模机构精确定位控制面临的问题及解决方案 | 第15-17页 |
| 1.5 本文主要工作 | 第17-18页 |
| 2 无模型算法的分析比较 | 第18-26页 |
| 2.1 无模型算法介绍 | 第18页 |
| 2.2 几种典型的无模型控制方法 | 第18-21页 |
| 2.2.1 PID控制方法 | 第18-19页 |
| 2.2.2 无模型自适应控制 | 第19页 |
| 2.2.3 迭代学习控制 | 第19-21页 |
| 2.3 几种控制方法的系统比较 | 第21-24页 |
| 2.4 本文思路 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于迭代学习算法的多输入系统时滞补偿 | 第26-35页 |
| 3.1 多输入系统建模 | 第26页 |
| 3.2 时滞补偿的迭代学习算法 | 第26-27页 |
| 3.3 多输入系统PD控制器设计 | 第27-28页 |
| 3.4 收敛性证明 | 第28-32页 |
| 3.5 数值仿真 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于智能控制方法的PD迭代参数优化 | 第35-49页 |
| 4.1 智能控制方法 | 第35页 |
| 4.2 基于神经网络遗传算法的PD参数优化 | 第35-41页 |
| 4.2.1 神经网络遗传算法介绍 | 第35-36页 |
| 4.2.2 神经网络遗传算法用以函数寻优 | 第36-37页 |
| 4.2.3 神经网络遗传算法用于PD迭代控制参数寻优 | 第37-39页 |
| 4.2.4 数值仿真 | 第39-41页 |
| 4.3 基于粒子群算法的PD参数优化 | 第41-44页 |
| 4.3.1 粒子群算法介绍 | 第41-42页 |
| 4.3.2 基于PSO的函数极值寻优 | 第42页 |
| 4.3.3 粒子群算法用于PD迭代控制参数寻优 | 第42-43页 |
| 4.3.4 数值仿真 | 第43-44页 |
| 4.4 各种智能迭代学习控制算法效果对比 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 5 注塑机开合模机构精确定位控制 | 第49-66页 |
| 5.1 注塑机开合模机构工作原理 | 第49-50页 |
| 5.2 开模动作介绍 | 第50-51页 |
| 5.3 迭代学习控制改善开合模机构定位原理 | 第51-52页 |
| 5.4 注塑机开合模机构精确定位实验 | 第52-56页 |
| 5.4.1 注塑机实验平台 | 第52-54页 |
| 5.4.2 注塑机开合模定位控制 | 第54-56页 |
| 5.5 开合模定位控制效果 | 第56-65页 |
| 5.5.1 传统机械定位控制方法 | 第56-59页 |
| 5.5.2 PD型迭代学习控制方法 | 第59-61页 |
| 5.5.3 神经网络遗传PD型迭代学习控制方法 | 第61-65页 |
| 5.6 本章小结 | 第65-66页 |
| 6 结论 | 第66-67页 |
| 6.1 工作总结 | 第66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历及攻读硕士 /博士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
