摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-16页 |
1.1 课题来源及研究背景和意义 | 第10页 |
1.2 国内外研究现状及发展趋势 | 第10-12页 |
1.2.1 木材干燥控制系统国内外研究现状 | 第10-11页 |
1.2.2 木材干燥控制技术国内外研究现状 | 第11页 |
1.2.3 模糊神经网络建模国内外研究现状 | 第11-12页 |
1.2.4 木材干燥的发展趋势 | 第12页 |
1.3 木材干燥工艺 | 第12-15页 |
1.3.1 木材含水率的测量方法 | 第12-13页 |
1.3.2 木材干燥基准 | 第13-14页 |
1.3.3 木材干燥过程 | 第14-15页 |
1.4 主要研究内容 | 第15-16页 |
2 木材干燥多参数系统模型的模糊神经网络建模与仿真 | 第16-36页 |
2.1 模糊系统理论 | 第16页 |
2.2 神经网络理论 | 第16-17页 |
2.3 典型的模糊神经网络 | 第17-24页 |
2.3.1 基于Mamdain模型的模糊神经网络 | 第17-22页 |
2.3.2 基于T-S模型的模糊神经网络 | 第22-24页 |
2.4 木材干燥多参数系统模型的建立 | 第24-28页 |
2.4.1 木材干燥多参数系统模型结构 | 第25-26页 |
2.4.2 木材干燥窑的多参数辨识模型 | 第26-27页 |
2.4.3 木材干燥多参数模糊神经网络控制器模型 | 第27-28页 |
2.5 实验仿真环境 | 第28-33页 |
2.6 木材干燥窑的多参数辨识模型仿真研究 | 第33-35页 |
2.7 本章小结 | 第35-36页 |
3 木材干燥多参数系统模型的智能算法优化 | 第36-48页 |
3.1 粒子群优化算法 | 第36-40页 |
3.1.1 基本的粒子群优化算法 | 第36-38页 |
3.1.2 具有邻域算子的PSO优化算法 | 第38-39页 |
3.1.3 具有邻域算子的PSO优化算法流程 | 第39-40页 |
3.2 免疫优化算法 | 第40-43页 |
3.2.1 人工免疫算法 | 第40-41页 |
3.2.2 免疫优化算法 | 第41-43页 |
3.3 免疫粒子群优化算法的实现 | 第43-45页 |
3.4 免疫粒子群优化算法的仿真 | 第45-47页 |
3.5 本章小结 | 第47-48页 |
4 基于多参数系统模型的模糊神经网络控制器设计与仿真 | 第48-61页 |
4.1 木材干燥模糊神经网络控制器 | 第48-52页 |
4.1.1 木材干燥模糊神经网络控制器设计 | 第48-49页 |
4.1.2 木材干燥模糊神经网络控制器的仿真研究 | 第49-52页 |
4.2 木材干燥智能算法优化的模糊神经网络控制器 | 第52-60页 |
4.2.1 智能算法优化模糊神经网络控制器的基本原理 | 第52-54页 |
4.2.2 木材干燥PSO优化模糊神经网络控制器的仿真研究 | 第54-57页 |
4.2.3 木材干燥免疫PSO优化模糊神经网络控制器的仿真研究 | 第57-60页 |
4.3 本章小结 | 第60-61页 |
5 木材干燥多参数智能监控系统的实现及应用效果 | 第61-81页 |
5.1 木材干燥多参数智能监控系统的硬件设计 | 第61-66页 |
5.1.1 设计原理 | 第61-62页 |
5.1.2 集成化主控制模块 | 第62-63页 |
5.1.3 变频器原理及应用 | 第63页 |
5.1.4 小型集成化木材含水率分析仪 | 第63-64页 |
5.1.5 人机交互触摸屏 | 第64页 |
5.1.6 系统输入输出配置表 | 第64-66页 |
5.2 木材干燥多参数智能监控系统的软件设计 | 第66-74页 |
5.2.1 多参数监控设计及主控制器PLC的程序流程图 | 第66-68页 |
5.2.2 触摸屏程序界面设计 | 第68-74页 |
5.3 系统应用效果 | 第74-77页 |
5.3.1 系统的现场安装图 | 第74-75页 |
5.3.2 系统的各电控部分 | 第75-77页 |
5.3.3 系统运行界面 | 第77页 |
5.4 系统实际控制效果及能耗与干燥结果分析 | 第77-80页 |
5.4.1 系统的实际控制分析 | 第77-79页 |
5.4.2 能耗与干燥结果分析 | 第79-80页 |
5.5 本章小结 | 第80-81页 |
结论 | 第81-82页 |
参考文献 | 第82-86页 |
攻读学位期间发表的学术论文 | 第86-87页 |
致谢 | 第87-88页 |