首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

神经网络自适应PID控制器的研究与仿真

目录第1-6页
摘要第6-7页
Abstract第7-8页
前言第8-10页
 1、本课题研究的目的与意义第8页
 2、论文的整体安排第8-10页
第一章 神经网络控制的发展与应用第10-14页
 1、传统控制理论的局限性第10-11页
 2、神经网络控制的发展与现状第11-12页
 3、人工神经网络与自动控制第12-13页
 4、总结第13-14页
第二章 神经网络的理论基础第14-28页
 1、生物神经元的结构第14页
 2、生物神经元的信息处理机理第14-15页
 3、人工神经元的建模第15-16页
 4、人工神经元的数学模型第16-17页
 5、激活函数第17-19页
 6、神经网络的学习方式第19-20页
  6、1 有监督学习第19-20页
  6、2 无监督学习第20页
 7、神经网络的学习规则第20-22页
  7、1 联想式学习—Hebb规则第20-21页
  7、2 梯度下降法第21-22页
 8、网络拓扑结构第22-27页
  8、1 感知器第22-23页
   8、1、1、单层感知器第22-23页
   8、1、2 多层感知器第23页
  8、2 BP网络第23-27页
 9、总结第27-28页
第三章 单神经元自适应PID控制器第28-46页
 1、神经元PID控制器第28-29页
 2、神经元自适应PID控制器第29-30页
 3、几种典型的单神经元自适应PID控制器学习规则第30-33页
  3、1 无监督的Hebb学习规则第30-31页
  3、2 有监督Hebb学习规则第31-32页
  3、3 改进的Hebb学习规则第32-33页
 4、单神经元自适应PID控制器的研究与仿真第33-44页
  4、1 对阶跃信号的跟踪第33-36页
  4、2 对方波信号的跟踪第36-38页
  4、3 对外部干扰的适应性第38-41页
  4、4 对外部对象发生变化时的适应性(鲁棒性)第41-44页
 5、单神经元自适应PID控制器学习规则可调参数的选取第44-45页
 6、总结第45-46页
第四章 基于BP神经网络整定的PID控制第46-58页
 1、基于BP神经网络的PID整定原理第46-49页
 2、BP神经网络PID控制器的仿真研究第49-52页
 3、仿真结果第52-56页
  3、1 对阶跃信号的跟踪第53-54页
  3、2 对外部干扰的适应性第54-55页
  3、3 系统对象发生变化时的适应性第55-56页
 4、总结第56-58页
第五章 单神经元自适应PID控制器的应用第58-68页
 1、直流电动机概述第58页
 2、仿真实验系统的性能指标要求:第58-59页
 3、双闭环直流调速系统的动态结构图第59页
 4、仿真研究第59-63页
  4、1 转速电流双闭环控制的直流调速系统仿真第59-60页
  4、2 单神经元自适应PID控制器在直流调速系统中的仿真第60-63页
 5、仿真结果第63-67页
  5、1 系统的跟随性能第63-64页
  5、2 系统的抗扰性能第64-65页
  5、3 系统的鲁棒性能第65-67页
 6、仿真结果分析:第67页
 7、总结第67-68页
第六章 单神经元自适应PID控制器的实施策略第68-78页
 1、系统硬件的总体设计第68页
 2、系统的硬件设计第68-73页
  2、1 触发电路第68-69页
  2、2 脉冲功率放大电路第69页
  2、3 保护环节的实现第69-70页
  2、4 信号检测及处理电路第70-72页
   2、4、1 速度反馈取样信号第70-71页
   2、4、2 电流反馈取样电路第71页
   2、4、3 给定电压信号的调理电路第71-72页
  2、5 串行通讯接口第72页
  2、6 ICETECK-F2812-A评估板介绍第72-73页
 3、系统的软件设计第73-77页
  3、1 主程序第74页
  3、2 A/D中断处理子程序第74-75页
  3、3 电流环子程序的设计第75-76页
  3、4 速度环子程序的设计第76-77页
  3、5 单神经元自适应PID控制策略的软件实现第77页
 4、总结第77-78页
第七章 结论与展望第78-79页
 1、总结第78页
 2、展望第78-79页
致谢第79-80页
主要参考文献第80-83页
附录第83-88页
 本文中用到的部分程序代码第83-88页
已公开发表的论文第88-89页

论文共89页,点击 下载论文
上一篇:过渡区材料及在PIN太阳能电池中的应用研究
下一篇:经动脉化疗栓塞治疗宫颈癌疗效分析