| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 神经网络PID控制的研究发展和现状 | 第9-10页 |
| 1.3 加热炉温度控制的研究发展与现状 | 第10-12页 |
| 1.3.1 国外加热炉温度控制的研究发展与现状 | 第11-12页 |
| 1.3.2 国内加热炉温度控制研究发展与现状 | 第12页 |
| 1.4 本文的主要工作 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第二章 加热炉温控系统 | 第15-19页 |
| 2.1 加热炉温控系统的工作方式 | 第15页 |
| 2.2 加热炉温控系统的工艺标准 | 第15-16页 |
| 2.2.1 炉膛的温度控制 | 第15-16页 |
| 2.2.2 炉膛的压力控制 | 第16页 |
| 2.2.3 燃烧过程控制 | 第16页 |
| 2.2.4 送风总管压力控制 | 第16页 |
| 2.3 加热炉温控系统的控制策略 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 PID控制技术 | 第19-31页 |
| 3.1 经典PID控制器 | 第19-23页 |
| 3.1.1 PID模拟控制器 | 第19-20页 |
| 3.1.2 PID数字控制器 | 第20-23页 |
| 3.2 改进型PID控制器 | 第23-29页 |
| 3.2.1 改进积分环节的PID控制器 | 第23-25页 |
| 3.2.2 改进微分环节的PID控制器 | 第25-29页 |
| 3.3 本章小结 | 第29-31页 |
| 第四章 神经网络技术 | 第31-38页 |
| 4.1 神经网络基本概念 | 第31-34页 |
| 4.1.1 神经元模型 | 第31-32页 |
| 4.1.2 神经网络结构 | 第32-33页 |
| 4.1.3 神经网络特点及应用 | 第33-34页 |
| 4.2 BP神经网络 | 第34-35页 |
| 4.3 神经网络训练方式 | 第35-37页 |
| 4.3.1 学习方式 | 第35-36页 |
| 4.3.2 学习算法 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 神经网络PID控制技术 | 第38-48页 |
| 5.1 改进型神经元PID控制技术 | 第38-42页 |
| 5.1.1 神经元PID结构 | 第38-39页 |
| 5.1.2 神经元网络算法 | 第39-41页 |
| 5.1.3 神经元网络算法步骤 | 第41-42页 |
| 5.2 改进型神经元增量式PID控制技术 | 第42-43页 |
| 5.3 改进型BP网络PID控制技术 | 第43-47页 |
| 5.3.1 改进型BP网络PID控制技术原理 | 第43-46页 |
| 5.3.2 改进型BP网络PID控制技术的实现步骤 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 神经网络PID控制技术的应用 | 第48-64页 |
| 6.1 MATLAB仿真工具介绍 | 第48-49页 |
| 6.2 加热炉温控系统模型 | 第49-50页 |
| 6.3 加热炉温控系统一阶模型仿真 | 第50-54页 |
| 6.3.1 改进型神经元PID控制技术对一阶模型的仿真 | 第50-51页 |
| 6.3.2 改进型BP网络PID控制技术对一阶模型的仿真 | 第51-54页 |
| 6.4 加热炉温控系统二阶模型仿真 | 第54-59页 |
| 6.4.1 改进型神经元PID控制技术对二阶模型的仿真 | 第54-55页 |
| 6.4.2 改进型BP网络PID控制技术对二阶模型的仿真 | 第55-59页 |
| 6.5 对非线性被控对象的仿真 | 第59-63页 |
| 6.5.1 改进型神经元PID控制技术对非线性模型的仿真 | 第59-61页 |
| 6.5.2 改进型BP网络PID控制技术对非线性模型的仿真 | 第61-63页 |
| 6.6 本章小结 | 第63-64页 |
| 第七章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 附录1攻读硕士学位期间申请的专利 | 第68-69页 |
| 致谢 | 第69页 |
