BP神经网络在淀粉含水量预测中的应用
| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 国内外淀粉干燥系统控制方法 | 第9页 |
| 1.2.2 国内外含水量测量方法 | 第9-10页 |
| 1.3 课题研究内容与意义 | 第10-11页 |
| 1.3.1 课题研究内容 | 第10页 |
| 1.3.2 课题研究意义 | 第10-11页 |
| 1.4 本文章节安排 | 第11-13页 |
| 第2章 玉米淀粉生产工艺及虚拟测量的概念 | 第13-18页 |
| 2.1 玉米淀粉的应用 | 第13-14页 |
| 2.2 玉米淀粉生产工艺流程 | 第14-15页 |
| 2.3 虚拟测量技术 | 第15-16页 |
| 2.4 数据挖掘 | 第16-17页 |
| 2.5 本章小结 | 第17-18页 |
| 第3章 控制方法与方案 | 第18-27页 |
| 3.1 控制方法一：传统PID控制方法 | 第18页 |
| 3.2 控制方法二：多输入多输出控制策略 | 第18-21页 |
| 3.2.1 干燥系统分析 | 第19-20页 |
| 3.2.2 输入与输出变量的确定 | 第20-21页 |
| 3.3 控制方法三：神经网络对淀粉含水量的预测 | 第21-22页 |
| 3.4 三种控制方法的可行性 | 第22-24页 |
| 3.5 控制方案 | 第24-25页 |
| 3.5.1 传统控制方案 | 第24页 |
| 3.5.2 新型控制方案 | 第24-25页 |
| 3.6 本章小结 | 第25-27页 |
| 第4章 PID算法与BP神经网络算法 | 第27-44页 |
| 4.1 PID控制器及其数学模型 | 第27-29页 |
| 4.1.1 模拟式PID控制器 | 第27-28页 |
| 4.1.2 数字式PID控制器 | 第28页 |
| 4.1.3 位置式数字式PID控制器 | 第28页 |
| 4.1.4 增量式数字式PID控制器 | 第28-29页 |
| 4.2 PID控制器的控制规律 | 第29-31页 |
| 4.2.1 P、PI与PD控制方式 | 第29-30页 |
| 4.2.2 不同Kp、Ki与Kd值下的曲线图 | 第30-31页 |
| 4.3 智能算法与神经计算 | 第31-35页 |
| 4.3.1 常用智能算法的种类 | 第32页 |
| 4.3.2 神经计算 | 第32-34页 |
| 4.3.3 神经网络BP算法 | 第34-35页 |
| 4.4 BP算法的数学理论 | 第35-38页 |
| 4.4.1 BP网络数学模型 | 第35-36页 |
| 4.4.2 误差与权值调整 | 第36-37页 |
| 4.4.3 BP算法推导 | 第37-38页 |
| 4.4.4 BP算法的信号流向 | 第38页 |
| 4.5 BP算法的程序实现 | 第38-41页 |
| 4.5.1 标准BP算法 | 第38-40页 |
| 4.5.2 批训练BP算法 | 第40-41页 |
| 4.6 Smith预估控制 | 第41-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第5章 网络设计、训练及仿真 | 第44-57页 |
| 5.1 网络设计 | 第44-46页 |
| 5.1.1 网络信息容量 | 第44页 |
| 5.1.2 训练集的设计 | 第44页 |
| 5.1.3 隐层的设计 | 第44-46页 |
| 5.2 网络的训练 | 第46-52页 |
| 5.2.1 训练及训练样本误差分析 | 第46-49页 |
| 5.2.2 网络测试及测试误差分析 | 第49-51页 |
| 5.2.3 结果分析 | 第51-52页 |
| 5.3 仿真 | 第52-55页 |
| 5.3.1 MATLAB工作窗口仿真 | 第52页 |
| 5.3.2 Simulink仿真 | 第52-55页 |
| 5.4 自动控制系统设计 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 申请学位期间的研究成果及发表的学术论文 | 第63-64页 |
| 附录Ⅰ 《食用玉米淀粉》国家标准 | 第64页 |
| 附录Ⅱ 《淀粉水分测定--烘箱法》国家标准 | 第64-65页 |
| 附录Ⅲ 离线训练样本数据（200 组） | 第65-67页 |
