| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景、目的及意义 | 第10-11页 |
| 1.2 光源温控系统的研究发展与现状 | 第11-12页 |
| 1.2.1 国外光源温控系统的研究发展与现状 | 第11-12页 |
| 1.2.2 国内光源温控系统的研究发展与现状 | 第12页 |
| 1.3 BP神经网络技术 | 第12-14页 |
| 1.3.1 神经网络技术研究发展与现状 | 第12-13页 |
| 1.3.2 BP神经网络技术在温控系统中的研究发展与现状 | 第13-14页 |
| 1.4 论文的主要研究内容 | 第14-16页 |
| 第2章 光源温度特性对光纤陀螺性能指标的影响 | 第16-20页 |
| 2.1 引言 | 第16页 |
| 2.2 ASE光源基本工作原理 | 第16-17页 |
| 2.3 温度对光源性能的影响 | 第17-18页 |
| 2.4 光源对光纤陀螺的影响 | 第18页 |
| 2.5 本章小结 | 第18-20页 |
| 第3章 基于BP神经网络的PID控制 | 第20-34页 |
| 3.1 引言 | 第20页 |
| 3.2 神经元基本结构 | 第20-23页 |
| 3.3 神经网络基本学习算法介绍 | 第23-25页 |
| 3.3.1 Hebb学习 | 第23页 |
| 3.3.2 误差修正学习 | 第23-24页 |
| 3.3.3 竞争学习 | 第24-25页 |
| 3.4 BP神经网络 | 第25-29页 |
| 3.4.1 BP神经网络基本结构 | 第25-26页 |
| 3.4.2 反向传播学习算法 | 第26-29页 |
| 3.5 基于BP神经网络的PID控制 | 第29-33页 |
| 3.5.1 PID控制原理 | 第30-31页 |
| 3.5.2 基于BP神经网络PID控制的结构与步骤 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第4章 基于改进LM-BP神经网络的PID控制 | 第34-48页 |
| 4.1 引言 | 第34页 |
| 4.2 BP神经网络反向传播算法的缺点 | 第34-35页 |
| 4.2.1 收敛速度 | 第34页 |
| 4.2.2 局部极小值 | 第34-35页 |
| 4.3 BP神经网络反向传播算法的改进 | 第35-43页 |
| 4.3.1 LM(Levenberg-Marquard)算法介绍 | 第35-36页 |
| 4.3.2 LM算法的改进 | 第36-39页 |
| 4.3.3 改进LM算法稳定性分析 | 第39-43页 |
| 4.4 基于改进LM-BP神经网络的PID控制 | 第43-47页 |
| 4.4.1 BP神经网络结构的确定 | 第44-45页 |
| 4.4.2 基于改进LM-BP神经网络PID控制的结构与步骤 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 改进LM-BP神经网络ASE光源温度控制算法实验分析 | 第48-66页 |
| 5.1 引言 | 第48页 |
| 5.2 光纤陀螺光源温度动态特性分析与建模 | 第48-49页 |
| 5.2.1 光纤陀螺光源温控系统工作原理 | 第48页 |
| 5.2.2 数学模型的建立 | 第48-49页 |
| 5.3 改进LM-BP神经网络光源温度控制算法仿真实验分析 | 第49-55页 |
| 5.3.1 控制算法对阶跃信号跟踪仿真实验分析 | 第50-51页 |
| 5.3.2 控制算法对外部干扰的仿真实验分析 | 第51-53页 |
| 5.3.3 被控对象发生变化时的仿真实验分析 | 第53-55页 |
| 5.4 改进LM-BP神经网络温度控制算法整机测试实验 | 第55-64页 |
| 5.4.1 热敏电阻测温电路 | 第55-56页 |
| 5.4.2 TEC(半导体制冷器)驱动电路 | 第56-57页 |
| 5.4.3 程序设计 | 第57-61页 |
| 5.4.4 采集数据结果图 | 第61-64页 |
| 5.5 本章小结 | 第64-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第72-73页 |
| 致谢 | 第73页 |
