| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 引言 | 第11-12页 |
| 1.2 控制对象-----直流无刷电机 | 第12-13页 |
| 1.3 神经网络技术的特点与应用 | 第13-16页 |
| 第二章 基于STC15的高精度稳压电源的硬件设计 | 第16-26页 |
| 2.1 稳压电源的总体介绍 | 第16页 |
| 2.2 STC15F2K60S2系列单片机总体介绍 | 第16-17页 |
| 2.3 系统硬件电路设计 | 第17-26页 |
| 2.3.1 电源模块电路 | 第17-20页 |
| 2.3.2 基于二级运算放大器的A/D采样模块 | 第20-21页 |
| 2.3.3 基于STC15的MCU控制模块 | 第21页 |
| 2.3.4 可实现电机正反转与速度调节的电机驱动模块 | 第21-26页 |
| 第三章 稳压电源的PID控制 | 第26-33页 |
| 3.1 系统软件的设计 | 第26-27页 |
| 3.2 经典PID控制框图 | 第27页 |
| 3.3 系统程序流程 | 第27-33页 |
| 3.3.1 经典PID程序流程 | 第27-30页 |
| 3.3.2 PID算法的具体实现 | 第30-31页 |
| 3.3.3 神经元PID程序流程 | 第31-33页 |
| 第四 章网络理论及单神经元PID | 第33-53页 |
| 4.1 神经元模型 | 第33-35页 |
| 4.2 神经网络的拓扑结构 | 第35-36页 |
| 4.3 神经网络的学习方法 | 第36-39页 |
| 4.3.1 神经网络学习方式 | 第36-37页 |
| 4.3.2 神经网络学习规则 | 第37-39页 |
| 4.4 感知器 | 第39-40页 |
| 4.5 BP神经网络 | 第40-43页 |
| 4.5.1 BP网络的训练过程 | 第41-42页 |
| 4.5.2 BP神经网络的函数逼近能力 | 第42-43页 |
| 4.6 RBF神经网络 | 第43-44页 |
| 4.6.1 径向基函数网络结 | 第43-44页 |
| 4.6.2 RBF网络的调整方程 | 第44页 |
| 4.7 传统PID控制 | 第44-45页 |
| 4.8 基于神经元的自适应PID控制 | 第45-53页 |
| 4.8.1 单神经元PID控制的基本原理 | 第46-47页 |
| 4.8.2 选用Hebb调整法则的单神经元 | 第47-50页 |
| 4.8.3 神经元PID学习算法的实现 | 第50-53页 |
| 第五章 基于Delphi的神经元PID实现 | 第53-57页 |
| 5.1 神经元算法程序 | 第53-54页 |
| 5.2 神经元PID算法的具体实现 | 第54-55页 |
| 5.3 PC端与MCU端串口通信的实现 | 第55-57页 |
| 第六章 试验研究 | 第57-61页 |
| 第七章 总结与展望 | 第61-64页 |
| 7.1 全文总结 | 第61-62页 |
| 7.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69页 |