| 摘要 | 第1-5页 |
| abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·论文研究背景和意义 | 第9页 |
| ·国内外驼峰自动化的发展现状 | 第9-11页 |
| ·驼峰自动化发展的国外现状 | 第9-10页 |
| ·驼峰自动化发展的国内现状 | 第10-11页 |
| ·驼峰自动化系统中推峰速度控制的发展现状 | 第11-12页 |
| ·论文的主要研究内容 | 第12-14页 |
| 2 对现有系统的研究及推峰速度的影响因素分析 | 第14-22页 |
| ·驼峰推峰速度自动控制系统中所要解决的问题 | 第14-15页 |
| ·现有推峰机车遥控系统的原理 | 第15-16页 |
| ·现有推峰机车遥控系统的分析 | 第16-18页 |
| ·影响推峰速度的因素分析 | 第18-21页 |
| ·推峰过程分析 | 第18页 |
| ·钩车本身因素 | 第18-19页 |
| ·环境因素 | 第19-20页 |
| ·驼峰调机因素 | 第20-21页 |
| ·小结 | 第21-22页 |
| 3 模糊神经网络 | 第22-31页 |
| ·模糊控制 | 第22-27页 |
| ·概念 | 第22-23页 |
| ·变量选择 | 第23页 |
| ·论域分割 | 第23页 |
| ·隶属度函数的型式 | 第23-25页 |
| ·模糊控制规则 | 第25-26页 |
| ·模糊推论 | 第26页 |
| ·去模糊化 | 第26-27页 |
| ·神经网络 | 第27-29页 |
| ·人工神经元的模型 | 第27-29页 |
| ·神经网络的分类 | 第29页 |
| ·神经网络的学习算法 | 第29页 |
| ·模糊神经网络 | 第29-30页 |
| ·小结 | 第30-31页 |
| 4 驼峰推峰速度的模糊神经网络模型 | 第31-53页 |
| ·驼峰推峰速度自动控制系统模型 | 第31-33页 |
| ·最优推峰速度的决定因素 | 第33-35页 |
| ·基于模糊神经网络的最优推峰速度的计算 | 第35-46页 |
| ·输入变量的模糊化处理 | 第35-40页 |
| ·最优推峰速度的模糊神经网络 | 第40页 |
| ·误差反向传播算法 | 第40-44页 |
| ·算法改进 | 第44-46页 |
| ·模糊神经网络的训练过程 | 第46页 |
| ·驼峰实时推峰速度控制的研究 | 第46-51页 |
| ·输入变量的模糊化处理 | 第46-50页 |
| ·实时推峰速度的模糊神经网络和学习算法 | 第50-51页 |
| ·阻尼最小二乘法的缺点和改进 | 第51页 |
| ·最优推峰速度模型和实时推峰速度模型的自适应和可移植性 | 第51-52页 |
| ·小结 | 第52-53页 |
| 5 模糊神经网络的仿真分析 | 第53-61页 |
| ·最优推峰速度模型的仿真 | 第53-59页 |
| ·模型的训练 | 第53-54页 |
| ·训练后的参数 | 第54-55页 |
| ·控制变量与结果关系 | 第55-58页 |
| ·模型的测试 | 第58-59页 |
| ·实时推峰速度模型的仿真 | 第59-60页 |
| ·训练后的模型参数 | 第59-60页 |
| ·总体结果对比分析 | 第60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读学位期间的研究成果 | 第65页 |