摘要 | 第8-9页 |
ABSTRACT | 第9页 |
第1章 绪论 | 第10-14页 |
1.1 选题背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 国外乙醇发展与控制研究现状 | 第11-12页 |
1.2.2 国内乙醇发展与控制研究现状 | 第12-13页 |
1.3 本文主要研究内容 | 第13页 |
1.4 本文构思 | 第13-14页 |
第2章 生物质发酵燃料乙醇的工艺要求 | 第14-28页 |
2.1 引言 | 第14页 |
2.2 生物质发酵燃料乙醇基本原理 | 第14-18页 |
2.2.1 原材料预处理 | 第14-16页 |
2.2.2 燃料乙醇的发酵工艺 | 第16-18页 |
2.2.3 乙醇脱水提纯 | 第18页 |
2.3 生物质发酵生产设备 | 第18-21页 |
2.3.1 封闭式间歇发酵罐 | 第19页 |
2.3.2 半封闭式间歇发酵罐 | 第19-20页 |
2.3.3 连续式发酵罐 | 第20-21页 |
2.4 影响生物质酶解发酵的主要因素 | 第21-22页 |
2.4.1 温度对酶解发酵的影响 | 第21页 |
2.4.2 PH值对酶解发酵的影响 | 第21页 |
2.4.3 溶解氧对酶解发酵的影响 | 第21-22页 |
2.5 系统监控硬件选型及设计 | 第22-27页 |
2.5.1 监控系统总体设计 | 第22页 |
2.5.2 主控模块选用及设计 | 第22-24页 |
2.5.3 输入通道 | 第24-26页 |
2.5.4 输出通道 | 第26页 |
2.5.5 串行通信 | 第26-27页 |
2.6 本章小节 | 第27-28页 |
第3章 PID控制器原理与整定 | 第28-40页 |
3.1 引言 | 第28页 |
3.2 PID控制原理 | 第28-31页 |
3.2.1 模拟控制系统 | 第28-29页 |
3.2.2 数字控制系统 | 第29-31页 |
3.3 PID整定算法 | 第31-39页 |
3.3.1 临界比例度法 | 第31-33页 |
3.3.2 衰减曲线法 | 第33-35页 |
3.3.3 Ziegler-Nichols法 | 第35-37页 |
3.3.4 继电型反馈整定法 | 第37-38页 |
3.3.5 四种整定法的区别 | 第38-39页 |
3.4 本章小节 | 第39-40页 |
第4章 神经网络的PID控制方法研究 | 第40-58页 |
4.1 引言 | 第40页 |
4.2 人工神经网络介绍 | 第40-42页 |
4.2.1 人工神经网络起源 | 第40-41页 |
4.2.2 神经元及其特性 | 第41-42页 |
4.2.3 人工神经网络类型 | 第42页 |
4.2.4 神经网络学习规则 | 第42页 |
4.3 BP网络结构及算法分析 | 第42-45页 |
4.3.1 BP网络结构 | 第42-43页 |
4.3.2 BP网络算法分析 | 第43-45页 |
4.4 RBF网络结构及算法分析 | 第45-46页 |
4.4.1 RBF网络结构 | 第45页 |
4.4.2 RBF网络算法分析 | 第45-46页 |
4.5 基于BP神经网络的PID控制器设计 | 第46-52页 |
4.5.1 基于BP神经网络的PID控制算法分析 | 第46-50页 |
4.5.2 基于BP神经网络的PID控制器仿真研究 | 第50-52页 |
4.6 基于RBF神经网络的PID控制器设计 | 第52-56页 |
4.6.1 基于RBF神经网络的PID控制算法分析 | 第52-54页 |
4.6.2 基于RBF神经网络的PID控制器仿真研究 | 第54-56页 |
4.7 本章小结 | 第56-58页 |
第5章 生物质发酵控制装置搭建与实验 | 第58-68页 |
5.1 引言 | 第58页 |
5.2 实验装置搭建 | 第58-60页 |
5.2.1 实验装置思路 | 第58页 |
5.2.2 实验装置的建立 | 第58-60页 |
5.3生物质发酵实验 | 第60-62页 |
5.3.1 实验仪器 | 第60页 |
5.3.2 实验材料 | 第60页 |
5.3.3 试剂配制 | 第60页 |
5.3.4 实验步骤 | 第60-62页 |
5.3.5 乙醇浓度的测定 | 第62页 |
5.4 实验分析 | 第62-64页 |
5.4.1 温度对乙醇浓度的影响 | 第62-63页 |
5.4.2 PH值对乙醇浓度的影响 | 第63-64页 |
5.4.3 溶解氧对乙醇浓度的影响 | 第64页 |
5.5 发酵过程参数控制 | 第64-66页 |
5.5.1 温度控制 | 第64-65页 |
5.5.2 PH控制 | 第65页 |
5.5.3 溶解氧控制 | 第65-66页 |
5.6 本章小结 | 第66-68页 |
第6章 仿真及结果分析 | 第68-80页 |
6.1 引言 | 第68页 |
6.2 发酵温度数学模型 | 第68-69页 |
6.3 基于MATLAB工具箱的温度模型辨识 | 第69-72页 |
6.4 基于RBF神经网络的PID在温度控制中的应用 | 第72-78页 |
6.5 实验结果与分析 | 第78-79页 |
6.6 本章小结 | 第79-80页 |
第7章 结论与展望 | 第80-82页 |
7.1 总结 | 第80页 |
7.2 展望 | 第80-82页 |
参考文献 | 第82-86页 |
致谢 | 第86-87页 |
在学期间主要科研成果 | 第87页 |