致谢 | 第3-4页 |
摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-13页 |
1.1 论文研究的背景及目的 | 第9-10页 |
1.1.1 外在环境因素 | 第9页 |
1.1.2 外在环境因素 | 第9-10页 |
1.2 神经网络在制浆造纸控制过程中的应用现状 | 第10-12页 |
1.3 论文的研究内容 | 第12-13页 |
第二章 基本理论 | 第13-22页 |
2.1 常规PID | 第13-14页 |
2.1.1 常规PID控制器 | 第13页 |
2.1.2 常规PID的局限性 | 第13-14页 |
2.2 人工神经网络概述 | 第14-17页 |
2.2.1 人工神经网络的模型 | 第15-16页 |
2.2.2 人工神经网络的学习 | 第16-17页 |
2.2.3 神经网络的局限性 | 第17页 |
2.3 单神经元PID算法原理 | 第17-22页 |
2.3.1 常规PID与神经网络的结合 | 第17-18页 |
2.3.2 单神经元PID控制原理 | 第18-19页 |
2.3.3 单神经元PID的学习算法 | 第19-21页 |
2.3.4 单神经元PID的控制器参数整定规则 | 第21-22页 |
第三章 变增益的单神经元PID算法研究 | 第22-30页 |
3.1 基于专家经验的单神经PID算法 | 第22-23页 |
3.2 单神经元PSD算法 | 第23-24页 |
3.3 基于免疫机理的单神经元PID算法 | 第24-27页 |
3.3.1 免疫T细胞调节机理 | 第24-26页 |
3.3.2 免疫调节作用函数 | 第26-27页 |
3.3.3 免疫调节单神经元增益K | 第27页 |
3.4 模糊-单神经元PID算法 | 第27-28页 |
3.4.1 模糊控制器的输入与输出变量 | 第27-28页 |
3.4.2 输入输出变量词集 | 第28页 |
3.4.3 增益K'参数的模糊规则 | 第28页 |
3.4.4 增益K'数的模糊推理 | 第28页 |
3.5 稳定性分析 | 第28-30页 |
第四章 制浆造纸过程中的仿真研究 | 第30-51页 |
4.1 变增益的单神经元PID算法的S函数构建 | 第30-33页 |
4.1.1 S函数主程序的编写 | 第30-31页 |
4.1.2 S函数子程序的编写 | 第31-33页 |
4.1.3 模块的封装与测试 | 第33页 |
4.2 基于专家经验的单神经串级温差控制仿真 | 第33-37页 |
4.2.1 置换蒸煮工艺流程 | 第33-34页 |
4.2.2 置换蒸煮的控制策略 | 第34-35页 |
4.2.3 仿真实验研究 | 第35-37页 |
4.2.4 结语 | 第37页 |
4.3 基于单神经元PSD算法的纸浆浓度控制仿真 | 第37-41页 |
4.3.1 纸浆浓度的测量与控制 | 第38页 |
4.3.2 仿真实验研究 | 第38-41页 |
4.3.3 结语 | 第41页 |
4.4 基于免疫机理的单神经元苛化温度控制仿真 | 第41-46页 |
4.4.1 苛化工段的工艺描述及温度控制 | 第42页 |
4.4.2 仿真实验研究 | 第42-46页 |
4.4.3 结语 | 第46页 |
4.5 黑液液位的模糊-单神经元PID控制仿真 | 第46-51页 |
4.5.1 黑液蒸发工艺流程 | 第46-47页 |
4.5.2 仿真实验实施与分析 | 第47-49页 |
4.5.3 结语 | 第49-51页 |
第五章 T基于“THISK-1”型实验平台的变增益的单神经元PID算法实现 | 第51-61页 |
5.1 THJSK-1 型实验平台简介 | 第51-52页 |
5.1.1 控制屏组件 | 第51页 |
5.1.2 AI智能调节仪表挂件 | 第51页 |
5.1.3 远程数据采集控制组件 | 第51-52页 |
5.2 液位控制系统 | 第52-53页 |
5.3 软件组态及控制算法实现 | 第53-58页 |
5.3.1 软件组态 | 第53-56页 |
5.3.2 控制算法实现 | 第56-58页 |
5.4 实验结果及分析 | 第58-61页 |
5.4.1 两种算法的实时响应比较 | 第58-59页 |
5.4.2 两种算法的抗干扰性比较 | 第59-60页 |
5.4.3 总结与分析 | 第60-61页 |
第六章 结论与展望 | 第61-63页 |
6.1 研究内容总结 | 第61页 |
6.2 前景与展望 | 第61-63页 |
攻读学位期间发表的学术论文 | 第63-64页 |
参考文献 | 第64-65页 |