| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第16-21页 |
| 1.1 研究背景及意义 | 第16-18页 |
| 1.2 人工心脏温度控制相关研究现状 | 第18-19页 |
| 1.2.1 人工心脏温度相关参数检测现状 | 第18页 |
| 1.2.2 人工心脏温升控制相关现状 | 第18-19页 |
| 1.3 无传感器检测相关研究现状 | 第19页 |
| 1.4 论文研究方向及内容 | 第19-20页 |
| 1.5 论文组织结构 | 第20-21页 |
| 第二章 超声致动泵温升机理与检测分析 | 第21-34页 |
| 2.1 超声致动泵的工作原理和结构 | 第21-22页 |
| 2.2 超声电机温升机理分析 | 第22-26页 |
| 2.3 凸轮摩擦温升机理分析 | 第26-32页 |
| 2.4 超声致动泵的温度检测 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 泵体无传感器温度预测系统设计与仿真 | 第34-59页 |
| 3.1 神经网络在预测问题中的应用条件 | 第34-35页 |
| 3.2 系统总体设计 | 第35-36页 |
| 3.3 参数选择与相关性分析 | 第36-38页 |
| 3.4 数据采集平台的搭建 | 第38-44页 |
| 3.4.1 虚拟仪器及开发工具Lab VIEW的简介 | 第38-39页 |
| 3.4.2 硬件PCI-6251的介绍 | 第39页 |
| 3.4.3 数据采集系统 | 第39-44页 |
| 3.5 神经网络的温度预测 | 第44-54页 |
| 3.5.1 基于BP神经网络的参数预测 | 第44-48页 |
| 3.5.2 神经网络的应用陷阱 | 第48-50页 |
| 3.5.3 神经网络在Matlab中的温度预测 | 第50-54页 |
| 3.6 遗传算法对神经网络的优化 | 第54-57页 |
| 3.6.1 遗传算法的基本流程 | 第54-55页 |
| 3.6.2 遗传算法的全局优化性质 | 第55-56页 |
| 3.6.3 遗传算法优化的神经网络后的温度预测 | 第56-57页 |
| 3.7 本章小结 | 第57-59页 |
| 第四章 基于COMPACTRIO的温度反馈控制系统设计 | 第59-74页 |
| 4.1 控制系统组成与介绍 | 第59-60页 |
| 4.2 COMPACTRIO控制器的升级与简介 | 第60-62页 |
| 4.2.1 CompactRIO实时控制器 | 第61页 |
| 4.2.2 I/O模块 | 第61-62页 |
| 4.3 模拟体外循环系统结构和温度预测用参数采集 | 第62-65页 |
| 4.3.1 模拟体外循环系统结构 | 第62-63页 |
| 4.3.2 系统内温度预测用信号采集简介 | 第63-65页 |
| 4.4 实时温度预测与数据传递 | 第65-69页 |
| 4.5 超声电机的反谐振点分析 | 第69-72页 |
| 4.6 温度反馈调频PID控制 | 第72-73页 |
| 4.7 本章小结 | 第73-74页 |
| 第五章 温控系统相关实验与分析 | 第74-83页 |
| 5.1 高低温对超声电机谐振点的影响 | 第74-76页 |
| 5.1.1 实验目的与方法 | 第74-75页 |
| 5.1.2 实验结果与分析 | 第75-76页 |
| 5.2 遗传算法对神经网络改进后数据精准度分析 | 第76-79页 |
| 5.2.1 实验目的与方法 | 第76-77页 |
| 5.2.2 实验结果与分析 | 第77-79页 |
| 5.3 超声致动泵的温度预测与实测温度标定 | 第79-80页 |
| 5.3.1 实验目的与方法 | 第79页 |
| 5.3.2 实验结果与分析 | 第79-80页 |
| 5.4 超声致动泵的特性曲线实验 | 第80-82页 |
| 5.4.1 实验目的与方法 | 第80-81页 |
| 5.4.2 实验结果与分析 | 第81-82页 |
| 5.5 本章小结 | 第82-83页 |
| 第六章 总结和展望 | 第83-85页 |
| 6.1 总结 | 第83-84页 |
| 6.2 展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-90页 |
| 攻读硕士学位期间已发表或录用的论文及专利 | 第90-91页 |
| 附件 | 第91页 |