| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 绪论 | 第9-13页 |
| 第一章 液位控制系统 | 第13-21页 |
| 1.1 液位控制系统的硬件组成 | 第13-16页 |
| 1.1.1 基本过程装置 | 第13-14页 |
| 1.1.2 浮子式液位传感器组件 | 第14页 |
| 1.1.3 过程界面 | 第14-15页 |
| 1.1.4 PLC | 第15-16页 |
| 1.2 液位控制系统的软件设计及通讯 | 第16-19页 |
| 1.2.1 上位机软件设计 | 第16-17页 |
| 1.2.2 通讯协议介绍 | 第17-19页 |
| 1.3 液位控制的工作原理 | 第19-20页 |
| 1.4 液位控制的仿真研究平台介绍 | 第20页 |
| 1.5 本章小结 | 第20-21页 |
| 第二章 PID控制与参数整定 | 第21-26页 |
| 2.1 传统PID控制 | 第21-22页 |
| 2.2 智能PID控制 | 第22-23页 |
| 2.3 PID参数整定方法 | 第23-26页 |
| 2.3.1 Ziegler-Nichols整定法 | 第23-24页 |
| 2.3.2 Cohen-Coon整定法 | 第24-26页 |
| 第三章 液位系统的粒子群优化PID控制 | 第26-32页 |
| 3.1 粒子群优化算法介绍 | 第26页 |
| 3.2 粒子群算法优化PID控制器的参数 | 第26-27页 |
| 3.3 粒子群优化算法对液位控制的仿真研究 | 第27-29页 |
| 3.4 粒子群优化算法对液位系统的实时控制 | 第29页 |
| 3.5 粒子群优化算法的改进 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 液位系统的RBF网络智能PID控制 | 第32-38页 |
| 4.1 RBF神经网络模型 | 第32-33页 |
| 4.2 RBF神经网络整定PID原理 | 第33-34页 |
| 4.3 仿真研究 | 第34-35页 |
| 4.4 液位系统的RBF网络智能PID实时控制 | 第35-36页 |
| 4.5 RBF神经网络的改进 | 第36-37页 |
| 4.6 本章小结 | 第37-38页 |
| 第五章 液位系统的模糊自适应PID控制 | 第38-43页 |
| 5.1 模糊自适应PID控制简介 | 第38-40页 |
| 5.2 液位系统的模糊自适应PID控制仿真研究 | 第40-41页 |
| 5.3 液位系统的模糊PID实时控制 | 第41-42页 |
| 5.4 模糊自适应PID控制的改进 | 第42页 |
| 5.5 本章小结 | 第42-43页 |
| 第六章 液位系统的单神经元自适应PID控制 | 第43-53页 |
| 6.1 单神经元自适应PID控制 | 第43-44页 |
| 6.2 单神经元学习算法 | 第44-45页 |
| 6.2.1 无监督的Hebb学习规则 | 第44页 |
| 6.2.2 有监督的Delta学习规则 | 第44-45页 |
| 6.2.3 有监督的Hebb学习规则 | 第45页 |
| 6.2.4 改进的Hebb学习规则 | 第45页 |
| 6.3 液位系统的单神经元自适应PID控制仿真研究 | 第45-49页 |
| 6.4 液位系统的单神经元自适应PID实时控制 | 第49-51页 |
| 6.5 单神经元自适应PID控制算法的改进 | 第51-52页 |
| 6.6 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |