| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| 1．1 选题背景及意义 | 第7-8页 |
| 1．2 国内外研究现状 | 第8-11页 |
| 1．2．1 人工神经网络在测试计量领域的应用现状 | 第8-9页 |
| 1．2．2 集散控制系统在控制领域的应用现状与发展 | 第9-11页 |
| 1．3 本论文的主要工作 | 第11-13页 |
| 第二章 混凝土搅拌站及其测控系统的总体设计 | 第13-30页 |
| 2．1 混凝土搅拌站的概述 | 第13-19页 |
| 2．1．1 混凝土搅拌站的发展 | 第13-15页 |
| 2．1．2 混凝土搅拌站的分类 | 第15-18页 |
| 2．1．3 混凝土搅拌站生产工艺流程 | 第18-19页 |
| 2．2 混凝土搅拌站测控系统 | 第19-24页 |
| 2．2．1 计量系统 | 第20-22页 |
| 2．2．2 控制系统 | 第22-24页 |
| 2．3 混凝土搅拌站测控系统的总体设计 | 第24-29页 |
| 2．3．1 设计原则 | 第24-25页 |
| 2．3．2 集散控制系统 | 第25-27页 |
| 2．3．3 基于DCS的测控系统总体结构 | 第27-29页 |
| 2．4 小结 | 第29-30页 |
| 第三章 基于遗传算法的改进ANN | 第30-45页 |
| 3．1 BP神经网络 | 第30-36页 |
| 3．1．1 BP网络的模型结构 | 第30-32页 |
| 3．1．2 BP网络的训练算法 | 第32-34页 |
| 3．1．3 BP算法具体实现 | 第34-36页 |
| 3．1．4 BP算法之不足 | 第36页 |
| 3．2 遗传算法及其改进 | 第36-42页 |
| 3．2．1 GA工作原理 | 第36-39页 |
| 3．2．2 基于多点正交交叉的改进遗传算法 | 第39-40页 |
| 3．2．3 改进遗传算法与标准遗传算法的仿真比较 | 第40-42页 |
| 3．3 基于遗传算法的改进BP神经网络 | 第42-44页 |
| 3．3．1 基于GA的BP算法具体实现 | 第42-43页 |
| 3．3．2 基于GA的BP算法仿真 | 第43-44页 |
| 3．4 小结 | 第44-45页 |
| 第四章 基于ANN的称重系统误差补偿研究 | 第45-63页 |
| 4．1 称重系统的选型分析 | 第45-50页 |
| 4．1．1 称重传感器及其变送器的原理与选择分析 | 第45-47页 |
| 4．1．2 称重系统的选型及其结构 | 第47-50页 |
| 4．2 称重系统静态非线性误差的BP网络补偿 | 第50-55页 |
| 4．2．1 基于BP网络的静态非线性误差补偿原理 | 第50-52页 |
| 4．2．2 基于BP网络的静态非线性误差补偿实现及其仿真 | 第52-55页 |
| 4．3 称重系统动态误差的动态神经元补偿 | 第55-61页 |
| 4．3．1 反函数动态补偿原理 | 第56-57页 |
| 4．3．2 动态神经元补偿原理 | 第57-59页 |
| 4．3．3 动态神经元补偿仿真 | 第59-61页 |
| 4．4 小结 | 第61-63页 |
| 第五章 基于DCS的搅拌站测控系统设计 | 第63-83页 |
| 5．1 可编程控制器综述及其选用 | 第63-69页 |
| 5．1．1 可编程控制器的原理 | 第64-65页 |
| 5．1．2 可编程控制器的特点 | 第65-66页 |
| 5．1．3 可编程控制器的选用 | 第66-69页 |
| 5．2 可编程控制器程序设计 | 第69-74页 |
| 5．2．1 可编程控制器编程软件 | 第69页 |
| 5．2．2 程序设计思想 | 第69-70页 |
| 5．2．3 控制算法及其流程 | 第70-74页 |
| 5．3 上位机的选用与设计 | 第74-82页 |
| 5．3．1 上位机硬件配置 | 第74-75页 |
| 5．3．2 组态软件 | 第75页 |
| 5．3．3 上位机组态软件选用 | 第75-76页 |
| 5．3．4 上位机程序设计思想及其主要界面 | 第76-82页 |
| 5．4 小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| 参考文献 | 第85-87页 |
| 致谢 | 第87页 |