| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 1 引言 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 相关领域发展现状 | 第11-13页 |
| 1.2.1 凹印机套准技术发展现状 | 第11-13页 |
| 1.2.2 人工神经网络技术 | 第13页 |
| 1.3 主要研究内容 | 第13-15页 |
| 2 凹印机套准系统结构与建模 | 第15-21页 |
| 2.1 凹版印刷机套准系统 | 第15-16页 |
| 2.1.1 套准系统组成 | 第15页 |
| 2.1.2 套准的影响因素 | 第15-16页 |
| 2.2 双色凹版印刷机套准系统建模 | 第16-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 BP神经网络算法 | 第21-30页 |
| 3.1 基本神经网络模型 | 第21-23页 |
| 3.1.1 基本神经元 | 第21-22页 |
| 3.1.2 神经网络拓扑结构 | 第22页 |
| 3.1.3 神经网络学习算法 | 第22-23页 |
| 3.2 BP神经网络模型 | 第23-25页 |
| 3.2.1 BP神经网络的特点 | 第23-24页 |
| 3.2.2 BP神经网络结构 | 第24页 |
| 3.2.3 隐藏层的选取 | 第24-25页 |
| 3.2.4 BP学习算法 | 第25页 |
| 3.3 BP神经网络的改进 | 第25-29页 |
| 3.3.1 自适应学习率 | 第26-27页 |
| 3.3.2 网络学习方式 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于BP神经网络的PID控制器设计 | 第30-41页 |
| 4.1 常规PID控制器 | 第30-33页 |
| 4.1.1 常规PID控制原理 | 第30-31页 |
| 4.1.2 常规PID参数整定 | 第31-32页 |
| 4.1.3 常规PID存在的局限性 | 第32-33页 |
| 4.2 基于BP神经网络的PID套准控制器 | 第33-35页 |
| 4.2.1 BP神经网络PID控制器 | 第33-34页 |
| 4.2.2 套准控制器设计 | 第34-35页 |
| 4.3 仿真研究 | 第35-39页 |
| 4.3.1 MATLAB/Simulink仿真环境 | 第35-36页 |
| 4.3.2 套准系统仿真模型 | 第36-37页 |
| 4.3.3 速度干扰下套准控制器的仿真分析 | 第37-38页 |
| 4.3.4 张力干扰下套准控制器的仿真分析 | 第38-39页 |
| 4.4 本章小结 | 第39-41页 |
| 5 基于BP神经网络PID控制的套印系统实现 | 第41-50页 |
| 5.1 硬件选型 | 第41-43页 |
| 5.1.1 光电摄像头的选型 | 第41页 |
| 5.1.2 电机选型 | 第41-42页 |
| 5.1.3 控制核心的选型 | 第42-43页 |
| 5.2 套准图像检测算法 | 第43-47页 |
| 5.2.1 维纳滤波 | 第43-44页 |
| 5.2.2 二值化图像 | 第44-45页 |
| 5.2.3 基于Hough变换的直线检测 | 第45-47页 |
| 5.3 套准系统实验验证 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 6 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者攻读学位期间取得的研究成果 | 第54页 |
| 一、发表论文/作品 | 第54页 |
| 二、参加项目 | 第54页 |
| 三、科研成果/专利 | 第54页 |
| 四、获奖情况 | 第54页 |