基于BP神经网络PID控制的温室环境控制系统的仿真研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·选题背景及意义 | 第9-10页 |
| ·温室环境控制技术的国内外发展及研究现状 | 第10-13页 |
| ·国外温室环境控制技术的发展及研究现状 | 第10-11页 |
| ·国内温室环境控制技术的研究现状 | 第11-13页 |
| ·本文的研究内容及其方法 | 第13-14页 |
| 第二章 神经网络的基本理论 | 第14-26页 |
| ·人工神经元模型 | 第14-15页 |
| ·神经网络的特点 | 第15页 |
| ·人工神经网络的模型 | 第15-16页 |
| ·前向网络 | 第15-16页 |
| ·反馈网络 | 第16页 |
| ·神经网络的学习算法 | 第16-19页 |
| ·Hebb规则 | 第17页 |
| ·δ学习规则 | 第17-18页 |
| ·相关学习规则 | 第18页 |
| ·胜者为王学习规则 | 第18-19页 |
| ·感知器网络 | 第19-20页 |
| ·多层前向BP神经网络 | 第20-25页 |
| ·BP学习算法 | 第20-24页 |
| ·BP神经网络算法的缺点 | 第24页 |
| ·BP网络学习算法的改进 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 BP神经网络PID控制器的设计 | 第26-37页 |
| ·常规PID控制 | 第26-29页 |
| ·常规PID控制介绍 | 第26-28页 |
| ·PID控制器的参数整定 | 第28页 |
| ·常规PID控制器的局限性 | 第28-29页 |
| ·基于BP神经网络的PID控制 | 第29-32页 |
| ·前向算法 | 第30-31页 |
| ·反传算法 | 第31-32页 |
| ·改进型BP神经网络PID控制 | 第32-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 控制算法的仿真研究 | 第37-52页 |
| ·温室控制系统模型的建立 | 第37-38页 |
| ·MATLAB仿真 | 第38-45页 |
| ·对阶跃信号的跟踪 | 第39-42页 |
| ·对外部干扰的适应性 | 第42-44页 |
| ·对外部对象发生变化时的适应性(鲁棒性) | 第44-45页 |
| ·温室环境控制系统的设计 | 第45-51页 |
| ·上位机的设计 | 第46-48页 |
| ·下位机的设计 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 结论和展望 | 第52-54页 |
| ·本文研究内容的总结 | 第52页 |
| ·今后工作的展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58-59页 |
| 附录 | 第59-63页 |
