摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景及意义 | 第10-12页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 智能工厂研究概况 | 第12-13页 |
1.2.2 智能工厂应用性研究现状 | 第13-16页 |
1.3 主要研究内容与技术路线 | 第16-18页 |
第二章 智能控制理论 | 第18-24页 |
2.1 智能控制理论 | 第18-21页 |
2.1.1 深度学习理论 | 第18-19页 |
2.1.2 分层递阶智能控制理论 | 第19-21页 |
2.2 深度神经网络 | 第21-23页 |
2.2.1 基本概念 | 第21页 |
2.2.2 深度神经网络原理 | 第21-23页 |
2.3 本章小结 | 第23-24页 |
第三章 针对多类型数据控制算法验证的倒立摆系统设计 | 第24-33页 |
3.1 倒立摆动力学模型 | 第24-26页 |
3.1.1 一维系统动力学分析 | 第24-25页 |
3.1.2 系统参数辨识 | 第25-26页 |
3.2 试验平台模型控制算法设计 | 第26-27页 |
3.2.1 起跳控制模型 | 第26页 |
3.2.2 平衡控制模型 | 第26-27页 |
3.3 平台试验与结果分析 | 第27-31页 |
3.3.1 单极倒立摆状态空间模型 | 第27-28页 |
3.3.2 单极倒立摆系统的极点配置 | 第28-31页 |
3.4 试验平台结构设计 | 第31-32页 |
3.5 本章小结 | 第32-33页 |
第四章 分层递阶智能控制策略系统设计 | 第33-48页 |
4.1 分层递阶智能控制策略系统设计 | 第33-38页 |
4.1.1 分层递阶智能控制方法结构原理 | 第33-35页 |
4.1.2 分层递阶智能控制策略系统设计 | 第35-38页 |
4.2 分层递阶智能控制策略算法设计 | 第38-43页 |
4.3 分层递阶智能控制策略优化设计 | 第43-47页 |
4.3.1 粒子编码及群体初始化 | 第43页 |
4.3.2 粒子适应度计算 | 第43-44页 |
4.3.3 基于粒子群优化的分层递阶控制策略 | 第44-45页 |
4.3.4 优化算法具体实现步骤 | 第45页 |
4.3.5 基于粒子群优化的深度堆叠神经网络控制仿真 | 第45-47页 |
4.4 仿真结果与分析 | 第47页 |
4.5 本章小结 | 第47-48页 |
第五章 智能控制策略在智能工厂中的应用与仿真 | 第48-63页 |
5.1 智能工厂仿真模型 | 第48-50页 |
5.1.1 Tecnomatix Plant-simulation的建模单元 | 第49页 |
5.1.2 智能工厂仿真模型的构成 | 第49-50页 |
5.2 智能工厂流程仿真 | 第50-60页 |
5.2.1 仿真前期准备工作 | 第50-51页 |
5.2.2 仿真对象说明 | 第51-53页 |
5.2.3 应用设计与参数设定 | 第53-54页 |
5.2.4 仿真结果 | 第54-60页 |
5.3 全厂仿真结果分析 | 第60-62页 |
5.4 本章小结 | 第62-63页 |
第六章 总结与展望 | 第63-66页 |
6.1 主要结论 | 第63-64页 |
6.2 研究展望 | 第64-66页 |
参考文献 | 第66-72页 |
附录A | 第72-97页 |
在学期间的研究成果 | 第97-98页 |
致谢 | 第98页 |