| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 注塑机的智能控制方法的研究现状 | 第11-13页 |
| 1.3 本文所做工作及论文组织结构 | 第13-15页 |
| 1.3.1 本文主要工作 | 第13-14页 |
| 1.3.2 本文组织结构 | 第14-15页 |
| 第二章 注塑机及相关控制算法的研究 | 第15-27页 |
| 2.1 电液混合式注塑机 | 第15-19页 |
| 2.1.1 组成及其各部分的作用 | 第15-17页 |
| 2.1.2 工作原理和工艺流程 | 第17-18页 |
| 2.1.3 伺服直驱式电液控制系统 | 第18-19页 |
| 2.2 相关控制算法的研究 | 第19-26页 |
| 2.2.1 PID算法 | 第20-22页 |
| 2.2.2 径向基函数神经网络模型 | 第22-24页 |
| 2.2.3 粒子群算法 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 RBF-PID自适应控制算法的研究与改进 | 第27-39页 |
| 3.1 PID控制算法的选择 | 第27-28页 |
| 3.2 RBF神经网络模型的选定 | 第28-30页 |
| 3.2.1 网络结构 | 第28页 |
| 3.2.2 梯度下降法及其改进 | 第28-30页 |
| 3.2.3 隐节点数的确定 | 第30页 |
| 3.3 使用RBF神经网络改进增量PID算法 | 第30-33页 |
| 3.3.1 基于RBF神经网络辨识的PID参数整定 | 第30-32页 |
| 3.3.2 增加RBF神经网络调整增量PID参数的条件 | 第32-33页 |
| 3.3.3 改进型RBF-PID算法的工作过程 | 第33页 |
| 3.4 仿真验证 | 第33-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 改进型RBF-PID模型初始参数的优化研究 | 第39-47页 |
| 4.1 结合GA算法的PSO算法改进 | 第39-42页 |
| 4.1.1 G-PSO算法的提出 | 第39-41页 |
| 4.1.2 相关参数设置 | 第41-42页 |
| 4.2 改进型RBF-PID模型的初始化 | 第42-44页 |
| 4.3 仿真验证 | 第44-46页 |
| 4.3.1 G-PSO算法的性能评估实验 | 第44-45页 |
| 4.3.2 RBF-PID模型的初始参数优化实验 | 第45-46页 |
| 4.4 本章小章 | 第46-47页 |
| 第五章 电液混合式注塑机的控制方案和仿真验证 | 第47-57页 |
| 5.1 控制方案 | 第47-50页 |
| 5.1.1 硬件架构 | 第47-49页 |
| 5.1.2 软件架构 | 第49-50页 |
| 5.2 仿真验证 | 第50-56页 |
| 5.2.1 数学模型 | 第50-51页 |
| 5.2.2 期望注射曲线 | 第51-52页 |
| 5.2.3 仿真分析 | 第52-56页 |
| 5.3 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65-66页 |
| 硕士学位论文详细摘要 | 第66-68页 |
