| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 隧道窑工艺流程简介 | 第12-13页 |
| 1.3 研究现状与发展趋势 | 第13-15页 |
| 1.3.1 隧道窑控制技术的研究现状与发展趋势 | 第13-14页 |
| 1.3.2 隧道窑温度控制方法研究现状及发展趋势 | 第14-15页 |
| 1.4 本文主要工作 | 第15-17页 |
| 第2章 隧道窑控制系统设计 | 第17-27页 |
| 2.1 隧道窑控制系统的总体结构设计 | 第17-19页 |
| 2.2 隧道窑控制系统基础控制级功能实现 | 第19-21页 |
| 2.2.1 烧成带温度控制 | 第19页 |
| 2.2.2 压力与流量控制 | 第19-21页 |
| 2.3 隧道窑控制系统监控管理级功能实现 | 第21-25页 |
| 2.3.1 监控级功能实现 | 第21-23页 |
| 2.3.2 管理级功能实现 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第3章 隧道窑温度模型参数辨识 | 第27-39页 |
| 3.1 建模方法概述 | 第27-28页 |
| 3.2 梯度校正参数辨识方法 | 第28-32页 |
| 3.2.1 确定性问题的梯度矫正辨识公式的推导 | 第28-29页 |
| 3.2.2 加权矩阵的选择 | 第29-32页 |
| 3.3 基于梯度校正参数辨识方法的隧道窑温度模型辨识 | 第32-38页 |
| 3.3.1 隧道窑温度模型分析 | 第32-33页 |
| 3.3.2 隧道窑温度模型阶次的确定 | 第33-35页 |
| 3.3.3 窑温模型参数辨识仿真研究 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 隧道窑温度控制方法研究 | 第39-59页 |
| 4.1 PID控制技术 | 第39-42页 |
| 4.1.1 模拟PID控制算法 | 第39-40页 |
| 4.1.2 数字PID控制算法 | 第40-42页 |
| 4.2 人工神经网络基本原理 | 第42-54页 |
| 4.2.1 人工神经网络基础 | 第42-45页 |
| 4.2.2 BP神经网络 | 第45-48页 |
| 4.2.3 RBF神经网络 | 第48-50页 |
| 4.2.4 基于BP神经网络的PID控制器原理 | 第50-54页 |
| 4.3 隧道窑温度控制仿真研究 | 第54-56页 |
| 4.4 本章小结 | 第56-59页 |
| 第5章 基于改进的BP神经网络PID控制器设计与仿真 | 第59-75页 |
| 5.1 粒子群优化算法 | 第59-63页 |
| 5.1.1 粒子群优化算法原理 | 第59-61页 |
| 5.1.2 粒子群优化算法参数分析 | 第61-62页 |
| 5.1.3 本文对粒子群优化算法的改进 | 第62-63页 |
| 5.2 改进的BP神经网络PID控制系统器设计 | 第63-68页 |
| 5.2.1 改进的BP神经网络PID控制器结构 | 第63-64页 |
| 5.2.2 改进的BP神经网络PID控制算法流程 | 第64-68页 |
| 5.3 隧道窑温度控制仿真研究 | 第68-74页 |
| 5.3.1 被控对象特性不变时隧道窑温度控制仿真研究 | 第68-71页 |
| 5.3.2 被控对象特性变化时隧道窑温度控制仿真研究 | 第71-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 研究工作总结 | 第75页 |
| 6.2 未来工作展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |
