| 1 概论 | 第1-12页 |
| 1．1 国内外木材干燥技术现状，发展及趋向 | 第7-9页 |
| 1．2 课题的目的、意义及理论与技术经济价值 | 第9-12页 |
| 2 基于非参数模型的自适应控制 | 第12-29页 |
| 2．1 数字PID控制 | 第12-16页 |
| 2．1．1 PID控制原理 | 第12-13页 |
| 2．1．2 数字PID控制算法 | 第13-16页 |
| 2．2 自适应PID控制 | 第16-24页 |
| 2．2．1 自适应控制 | 第16-17页 |
| 2．2．2 自适应PID控制 | 第17-24页 |
| 2．3 神经网络PID控制 | 第24-29页 |
| 2．3．1 基于多层前向网的PID控制 | 第24-26页 |
| 2．3．2 基于单个神经元的直接PID控制 | 第26-28页 |
| 2．3．3 基于多层网的近似PID控制 | 第28-29页 |
| 3 单神经元自适应PID控制器设计与仿真 | 第29-50页 |
| 3．1 基于单神经元的自动控制 | 第29-33页 |
| 3．1．1 基于单神经元的自适应控制 | 第29-30页 |
| 3．1．2 自适应神经元及其学习策略 | 第30页 |
| 3．1．3 控制器设计 | 第30-32页 |
| 3．1．4 学习算法的改进 | 第32-33页 |
| 3．2 神经元控制系统的闭环稳定性 | 第33-34页 |
| 3．3 多变量系统的神经元控制 | 第34-37页 |
| 3．4 基于单神经元的自适应PID控制 | 第37-50页 |
| 3．4．1 单神经元自适应PID控制器及其学习算法 | 第37-41页 |
| 3．4．2 单神经元自适应PID控制系统的闭环特性及可调参数的选择 | 第41-43页 |
| 3．4．3 单神经元自适应PID控制器的仿真设计 | 第43-44页 |
| 3．4．4 单神经元自适应PID控制器对木材干燥窑实例控制的仿真（连续传函） | 第44-50页 |
| 4 木材干燥窑的神经网络模型 | 第50-67页 |
| 4．1 基于神经网络的系统辨识 | 第50-59页 |
| 4．1．1 神经网络用于系统辨识的特点 | 第50-51页 |
| 4．1．2 多层前向网络的逼近能力 | 第51-53页 |
| 4．1．3 基于BP网络的系统辨识 | 第53-59页 |
| 4．2 木材干燥窑的神经网络模型 | 第59-67页 |
| 4．2．1 木材干燥窑神经网络模型结构设计 | 第59-62页 |
| 4．2．2 木材干燥窑神经网络模型的学习与训练 | 第62-64页 |
| 4．2．3 木材干燥窑神经网络模型仿真与测试 | 第64-67页 |
| 5 木材干燥窑单神经元自适应PID控制的系统实现 | 第67-71页 |
| 5．1 系统构成 | 第67页 |
| 5．2 各部分功能 | 第67-68页 |
| 5．2．1 主机 | 第67-68页 |
| 5．2．2 控制器 | 第68页 |
| 5．2．3 PCM（信号采集处理模块） | 第68页 |
| 5．2．4 PLC（控制接口） | 第68页 |
| 5．2．5 窑内设施 | 第68页 |
| 5．3 工作原理 | 第68页 |
| 5．4 软件设计 | 第68-69页 |
| 5．5 系统运行 | 第69-71页 |
| 6 结论 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 7 附件 | 第75-86页 |
| 附件A | 第75-77页 |
| 附件B | 第77-81页 |
| 附件C | 第81-86页 |
| 致谢 | 第86页 |
