基于灰色预测的神经网络PID在隧道窑控制中的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·隧道窑简介 | 第10-16页 |
| ·隧道窑的发展 | 第10-11页 |
| ·隧道窑的现状 | 第11-12页 |
| ·隧道窑的结构及工作原理 | 第12-14页 |
| ·隧道窑的控制 | 第14-16页 |
| ·神经网络PID控制 | 第16-17页 |
| ·灰色预测控制概述 | 第17-19页 |
| ·灰色系统理论 | 第17-18页 |
| ·灰色预测控制 | 第18-19页 |
| ·本文所做工作 | 第19-20页 |
| 第2章 计算机控制系统的设计及功能实现 | 第20-32页 |
| ·控制系统总体结构 | 第20-21页 |
| ·控制系统软硬件简介 | 第21-22页 |
| ·Eurotherm T2550 | 第21-22页 |
| ·WinCC 6.0 | 第22页 |
| ·Microsoft Visual Basic | 第22页 |
| ·控制系统的功能设计 | 第22-23页 |
| ·控制级的功能设计 | 第22-23页 |
| ·监控级的功能设计 | 第23页 |
| ·控制系统的功能实现 | 第23-30页 |
| ·基础控制级功能实现 | 第24-26页 |
| ·监控级功能实现 | 第26-28页 |
| ·管理级功能实现 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 神经网络PID控制方法研究 | 第32-52页 |
| ·基于最小二乘的被控对象模型辨识 | 第32-35页 |
| ·被控对象模型的选取 | 第32-33页 |
| ·最小二乘辨识法 | 第33-34页 |
| ·被控对象模型的确定 | 第34-35页 |
| ·PID控制原理 | 第35-38页 |
| ·传统PID控制 | 第36-38页 |
| ·PID控制的特点 | 第38页 |
| ·神经网络控制 | 第38-40页 |
| ·神经网络控制的基本思想 | 第38-40页 |
| ·神经网络的特点 | 第40页 |
| ·BP神经网络 | 第40-42页 |
| ·BP网络概述 | 第40-41页 |
| ·BP算法的网络构成 | 第41-42页 |
| ·BP神经网络PID控制 | 第42-47页 |
| ·神经网络与PID控制的结合方式 | 第42-44页 |
| ·基于BP神经网络的PID控制器 | 第44-47页 |
| ·BP神经网络自整定PID控制算法 | 第47页 |
| ·神经网络PID控制算法仿真 | 第47-50页 |
| ·PID控制 | 第48-49页 |
| ·神经网络PID控制 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 灰色预测控制方法研究 | 第52-64页 |
| ·灰色系统理论 | 第52-54页 |
| ·灰色系统理论的基本概念 | 第52-53页 |
| ·灰色系统的主要内容 | 第53-54页 |
| ·灰色预测控制 | 第54-60页 |
| ·灰色预测模型 | 第54-57页 |
| ·灰色预测控制 | 第57-60页 |
| ·灰色预测与神经网络PID控制的结合 | 第60-61页 |
| ·基于灰色预测的神经网络PID控制算法仿真 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结 | 第64-66页 |
| ·全文工作总结 | 第64页 |
| ·工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
