| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·课题背景和意义 | 第9页 |
| ·国内外研究概况 | 第9-13页 |
| ·间歇过程建模 | 第10-11页 |
| ·间歇过程控制 | 第11-13页 |
| ·本文的主要工作 | 第13-15页 |
| 2 系统建模与控制方法 | 第15-28页 |
| ·神经网络建模 | 第15-22页 |
| ·人工神经网络概述 | 第15-16页 |
| ·系统辨识原理 | 第16-17页 |
| ·基于神经网络的系统辨识 | 第17-18页 |
| ·BP神经网络 | 第18-22页 |
| ·模糊控制 | 第22-25页 |
| ·模糊逻辑系统的发展 | 第22-23页 |
| ·模糊控制器的设计 | 第23-25页 |
| ·神经网络与模糊逻辑的结合 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 粒子群优化算法及改进 | 第28-38页 |
| ·概述 | 第28-29页 |
| ·标准粒子群算法 | 第29-30页 |
| ·标准粒子群算法实现 | 第30-33页 |
| ·PSO算法参数分析及设置 | 第30-32页 |
| ·算法步骤及流程 | 第32-33页 |
| ·PSO与GA的异同 | 第33-34页 |
| ·粒子群的改进算法与仿真实例 | 第34-37页 |
| ·改进算法 | 第34-35页 |
| ·仿真实验 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 4 基于粒子群神经网络的氧乐果合成过程辨识 | 第38-54页 |
| ·氧乐果合成过程生产工艺分析 | 第38-42页 |
| ·氧乐果合成工艺过程简介 | 第38-39页 |
| ·氧乐果合成反应过程的主要影响因素 | 第39-42页 |
| ·PSO训练BP神经网络 | 第42-44页 |
| ·氧乐果合成过程的PSO回归BP模型 | 第44-53页 |
| ·回归BP网络 | 第44-46页 |
| ·PSO-回归BP混合算法建模 | 第46-47页 |
| ·实验仿真 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 5 基于PSOFNN的氧乐果合成反应温度控制系统设计 | 第54-67页 |
| ·模糊神经网络结构与算法 | 第54-56页 |
| ·氧乐果合成反应温度控制系统设计 | 第56-61页 |
| ·FNN控制器结构设计 | 第58-59页 |
| ·网络的描述 | 第59-60页 |
| ·PSO训练模糊神经网络的算法及流程 | 第60-61页 |
| ·仿真结果及分析 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第72页 |