工业聚酯生产过程智能控制系统研究
| 第一章 前言 | 第1-20页 |
| 1．1 论文研究的目的和意义 | 第9-10页 |
| 1．2 论文研究内容及工作简介 | 第10-11页 |
| 1．3 国内外文献综述 | 第11-20页 |
| 第二章 工业聚酯生产过程及控制 | 第20-24页 |
| 2．1 连续聚酯(PET)工艺过程简介 | 第20-21页 |
| 2．2 基于实时推理的聚酯粘度控制系统 | 第21-22页 |
| 2．3 现有控制系统分析 | 第22-24页 |
| 第三章 基于小波变换的聚酯过程信号处理 | 第24-47页 |
| 3．1 引言 | 第24页 |
| 3．2 小波变换原理 | 第24-30页 |
| 3．2．1 连续小波变换 | 第24-26页 |
| 3．2．2 小波变换的反演 | 第26-28页 |
| 3．2．3 离散小波变换 | 第28-30页 |
| 3．3 多分辨率信号分解与重建 | 第30-34页 |
| 3．3．1 概念的引入 | 第30-31页 |
| 3．3．2 信号的分解(Mallat算法) | 第31-33页 |
| 3．3．3 信号的重建 | 第33-34页 |
| 3．4 小波变换的去噪和突变检测 | 第34-40页 |
| 3．4．1 信号的去噪 | 第34-37页 |
| 3．4．1 信号的突变检测 | 第37-40页 |
| 3．5 小波变换应用于聚酯粘度信号处理 | 第40-42页 |
| 3．5．1 引言 | 第40-41页 |
| 3．5．2 聚酯粘度信号处理 | 第41-42页 |
| 3．6 系统实现及结果 | 第42-47页 |
| 3．6．1 小波处理系统程序实现 | 第42-43页 |
| 3．6．2 小波变换的处理结果 | 第43-46页 |
| 3．6．3 小结 | 第46-47页 |
| 第四章 模糊神经网络及控制 | 第47-63页 |
| 4．1 引言 | 第47-48页 |
| 4．2 神经网络 | 第48-54页 |
| 4．2．1 神经元模型 | 第48-49页 |
| 4．2．2 神经网络模型 | 第49-53页 |
| 4．2．3 神经网络的学习方法 | 第53-54页 |
| 4．3 模糊控制 | 第54-55页 |
| 4．4 模糊神经网络 | 第55-59页 |
| 4．5 CPN模糊神经网络 | 第59-61页 |
| 4．6 CPN模糊神经网络控制器 | 第61-63页 |
| 第五章 聚酯过程CPN模糊神经网络控制系统研究 | 第63-82页 |
| 5．1 控制系统组成及工作过程 | 第63-64页 |
| 5．2 输入数据时序窗技术 | 第64-66页 |
| 5．3 模糊化处理 | 第66-68页 |
| 5．3．1 尺度变换 | 第66-67页 |
| 5．3．2 模糊分割 | 第67页 |
| 5．3．3 隶属度函数的选取 | 第67-68页 |
| 5 . 4 CpN模糊神经网络控制器结构 | 第68-70页 |
| 5．5 CPN模糊神经网络控制器学习 | 第70-75页 |
| 5．5．1 离线训练 | 第70-74页 |
| 5．5．2 在线学习 | 第74-75页 |
| 5．6 CPN模糊神经网络控制器的自组织算法 | 第75-78页 |
| 5．7 控制系统实验模型仿真 | 第78-79页 |
| 5．8 控制系统工业聚酯模型仿真 | 第79-81页 |
| 5．9 小结 | 第81-82页 |
| 第六章 结束语 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-89页 |
