基于神经网络的聚氯乙烯汽提塔温度的解耦控制的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 聚氯乙烯生产过程控制现状 | 第10-12页 |
| 1.2.1 神经网络控制 | 第10-11页 |
| 1.2.2 模糊控制 | 第11页 |
| 1.2.3 专家系统控制 | 第11-12页 |
| 1.2.4 预测控制 | 第12页 |
| 1.3 多变量解耦控制概述 | 第12-15页 |
| 1.4 本文的主要工作 | 第15-16页 |
| 第2章 聚氯乙烯汽提工艺 | 第16-24页 |
| 2.1 汽提工艺简介 | 第16-18页 |
| 2.2 聚氯乙烯汽提工艺的控制问题 | 第18-22页 |
| 2.2.1 主要参数 | 第18-19页 |
| 2.2.2 主要问题及解决方案 | 第19-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第3章 基于D-FNN的聚氯乙烯汽提过程建模 | 第24-48页 |
| 3.1 模糊神经网络理论 | 第24-34页 |
| 3.1.1 模糊逻辑系统 | 第24-28页 |
| 3.1.2 神经网络原理 | 第28-33页 |
| 3.1.3 模糊与神经网络的结合 | 第33-34页 |
| 3.2 动态模糊神经网络 | 第34-43页 |
| 3.2.1 动态模糊神经网络的结构 | 第34-36页 |
| 3.2.2 动态模糊神经网络的学习算法 | 第36-42页 |
| 3.2.3 动态模糊神经网络的特点 | 第42-43页 |
| 3.3 聚氯乙烯汽提过程建模 | 第43-47页 |
| 3.3.1 汽提过程建模 | 第43-44页 |
| 3.3.2 仿真研究 | 第44-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 神经网络解耦控制算法 | 第48-58页 |
| 4.1 多变量非线性系统神经网络解耦 | 第48-52页 |
| 4.1.1 神经网络解耦器结构 | 第48-50页 |
| 4.1.2 神经网络解耦器训练算法 | 第50-52页 |
| 4.2 基于BP神经网络的PID控制算法 | 第52-56页 |
| 4.2.1 PID控制器原理 | 第52-53页 |
| 4.2.2 常规PID控制器的不足 | 第53-54页 |
| 4.2.3 基于BP神经网络的PID控制器 | 第54-56页 |
| 4.3 本章小结 | 第56-58页 |
| 第5章 聚氯乙烯汽提过程控制仿真研究 | 第58-64页 |
| 5.1 聚氯乙烯汽提过程的常规PID控制仿真 | 第58-59页 |
| 5.2 聚氯乙烯汽提过程解耦控制综合系统 | 第59-60页 |
| 5.3 仿真研究 | 第60-62页 |
| 5.4 本章小结 | 第62-64页 |
| 第6章 结论与展望 | 第64-66页 |
| 6.1 本文总结 | 第64页 |
| 6.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
