| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 煤泥的利用现状 | 第12-13页 |
| 1.3 煤泥干燥的发展趋势 | 第13-14页 |
| 1.4 滚筒干燥技术 | 第14-20页 |
| 1.4.1 滚筒干燥概况 | 第14-16页 |
| 1.4.2 滚筒干燥器的结构组成 | 第16-20页 |
| 1.5 滚筒干燥的控制任务及特点 | 第20-21页 |
| 1.5.1 滚筒干燥的控制任务 | 第20-21页 |
| 1.5.2 滚筒干燥的控制难点及特点 | 第21页 |
| 1.6 研究内容和方法 | 第21-23页 |
| 第二章 滚筒干燥机出口温度控制模型的建立 | 第23-37页 |
| 2.1 滚筒干燥的建模 | 第23-28页 |
| 2.1.1 模型的简介 | 第23页 |
| 2.1.2 温度模型 | 第23-24页 |
| 2.1.3 湿度模型 | 第24-25页 |
| 2.1.4 液态扩散理论 | 第25页 |
| 2.1.5 毛细理论 | 第25-28页 |
| 2.2 方程的建立 | 第28-35页 |
| 2.2.1 湿度方程 | 第28-30页 |
| 2.2.2 温度方程 | 第30-32页 |
| 2.2.3 物料传送 | 第32-34页 |
| 2.2.4 热量质量传递系数的计算 | 第34-35页 |
| 2.3 滚筒干燥出口温度的模型仿真 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 人工神经网络 | 第37-47页 |
| 3.1 人工神经网络简介 | 第37-39页 |
| 3.1.1 人工神经网络的发展 | 第37-39页 |
| 3.1.2 人工神经网络的应用 | 第39页 |
| 3.2 人工神经元模型 | 第39-42页 |
| 3.3 人工神经网络和NN学习方式 | 第42-45页 |
| 3.3.1 前向神经网络 | 第42-43页 |
| 3.3.2 反馈神经网络 | 第43-44页 |
| 3.3.3 神经网络的学习方法 | 第44-45页 |
| 3.4 BP神经网络 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 滚筒干燥中的神经网络整定的PID控制及系统辨识 | 第47-67页 |
| 4.1 神经网络用于滚筒干燥的系统辨识 | 第47-48页 |
| 4.2 基于单神经元的出口温度PID智能控制 | 第48-52页 |
| 4.2.1 单神经元自适应PID控制 | 第48-49页 |
| 4.2.2 改进的单神经元自适应PID控制 | 第49-50页 |
| 4.2.3 单神经元PID控制与普通PID控制与普通仿真比较 | 第50-52页 |
| 4.3 基于RBF神经网络出口温度PID智能控制 | 第52-60页 |
| 4.3.1 RBF神经网络 | 第52-54页 |
| 4.3.2 RBF神经网络的学习方法 | 第54-58页 |
| 4.3.3 被控对象的Jacobian信息辨识算法 | 第58-59页 |
| 4.3.4 基于RBF神经网络的PID参数调整 | 第59-60页 |
| 4.4 两种神经网络仿真的比较和分析 | 第60-64页 |
| 4.4.1 普通的PID控制与RBF神经网络整定PID控制 | 第60-63页 |
| 4.4.2 单神经元整定PID控制与RBF神经网络整定PID控制 | 第63-64页 |
| 4.5 本章小结 | 第64-67页 |
| 第五章 滚筒干燥中神经元参考自适应控制系统 | 第67-77页 |
| 5.1 前馈及前馈—反馈控制 | 第67-69页 |
| 5.2 神经网络模型参考自适应控制原理 | 第69-75页 |
| 5.2.1 自适应控制 | 第69-71页 |
| 5.2.2 参考模型辨识的仿真及分析 | 第71-73页 |
| 5.2.3 RBF神经网络模型参考自适应控制仿真与实际比较 | 第73-74页 |
| 5.2.4 实际应用的探究 | 第74-75页 |
| 5.3 本章小结 | 第75-77页 |
| 第六章 结论 | 第77-79页 |
| 6.1 论文的主要工作 | 第77页 |
| 6.2 有待改进的内容 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-89页 |
| 附录 | 第89页 |
