基于遗传算法的混合型模糊PID控制研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-9页 |
| CONTENTS | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 论文研究的背景 | 第11-12页 |
| 1.2 国内外研究发展现状 | 第12页 |
| 1.3 传统PID控制应用现状 | 第12页 |
| 1.4 智能控制的研究现状及其应用 | 第12-14页 |
| 1.5 论文各部分主要内容 | 第14-15页 |
| 第二章 理论基础 | 第15-30页 |
| 2.1 引言 | 第15页 |
| 2.2 PID理论基础 | 第15-17页 |
| 2.2.1 PID控制器的发展历程 | 第15-16页 |
| 2.2.2 PID的控制原理 | 第16-17页 |
| 2.3 模糊控制的理论基础 | 第17-21页 |
| 2.3.1 模糊控制的数学基础 | 第17-19页 |
| 2.3.2 模糊控制器的设计方法 | 第19页 |
| 2.3.3 模糊控制的工作原理 | 第19-20页 |
| 2.3.4 模糊控制器的结构设计 | 第20-21页 |
| 2.3.5 模糊PID控制器 | 第21页 |
| 2.4 遗传算法的基本理论 | 第21-25页 |
| 2.4.1 遗传算法的发展及应用 | 第21-23页 |
| 2.4.2 遗传算法的特点 | 第23页 |
| 2.4.3 遗传算法的基本操作 | 第23-24页 |
| 2.4.4 遗传算法的参数确定 | 第24-25页 |
| 2.4.5 基于遗传算法的PID控制器 | 第25页 |
| 2.5 神经网络理论基础 | 第25-29页 |
| 2.5.1 人工神经元模式 | 第25-26页 |
| 2.5.2 神经网络模型结构 | 第26-28页 |
| 2.5.3 神经网络运行机制 | 第28页 |
| 2.5.4 神经网络的学习方法 | 第28-29页 |
| 2.6 小结 | 第29-30页 |
| 第三章 模糊PID控制规则优化 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 常规PID控制 | 第30-31页 |
| 3.3 模糊PID控制器 | 第31-33页 |
| 3.4 基于模拟退火遗传算法的PID控制规则优化 | 第33-37页 |
| 3.4.1 模拟退火算法 | 第33页 |
| 3.4.2 模拟退化遗传算法 | 第33-34页 |
| 3.4.3 规则优化 | 第34-37页 |
| 3.5 仿真实验 | 第37-38页 |
| 3.6 小结 | 第38-39页 |
| 第四章 基于满意度的模糊自适应整定PID控制 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 满意度 | 第39页 |
| 4.3 满意度函数的建立 | 第39-40页 |
| 4.3.1 满意度函数的建立原则 | 第39-40页 |
| 4.3.2 满意度函数的建立方法 | 第40页 |
| 4.4 遗传算法各个参数的设定 | 第40-42页 |
| 4.5 模糊自适应整定PID控制器 | 第42-44页 |
| 4.5.1 离散化的PID调节器 | 第42页 |
| 4.5.2 参数k_p、k_i、k_d的作用 | 第42页 |
| 4.5.3 模糊自适应PID控制器 | 第42-44页 |
| 4.6 PID参数调整流程 | 第44页 |
| 4.7 仿真实验 | 第44-46页 |
| 4.8 小结 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表论文 | 第51-53页 |
| 致谢 | 第53页 |
