| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 粮食干燥进程中自动控制的发展情况 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 模糊控制的研究现状 | 第12-14页 |
| 1.4 研究内容 | 第14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 2 基于信息融合的温度预测模型的建立 | 第16-38页 |
| 2.1 工艺原理及算法结构 | 第16-19页 |
| 2.1.1 工艺原理 | 第17页 |
| 2.1.2 算法结构 | 第17-19页 |
| 2.2 基于SVM的温度预测模型 | 第19-24页 |
| 2.2.1 支持向量机理论基础 | 第19页 |
| 2.2.2 SVM基本思想 | 第19-21页 |
| 2.2.3 支持向量机核函数 | 第21页 |
| 2.2.4 支持向量机的训练算法 | 第21-22页 |
| 2.2.5 基于SVM的温度预测模型 | 第22-24页 |
| 2.3 灰色温度预测模型 | 第24-35页 |
| 2.3.1 灰色系统理论的基本概念 | 第24-25页 |
| 2.3.2 灰色系统的主要内容 | 第25-26页 |
| 2.3.3 灰色预测控制 | 第26-33页 |
| 2.3.4 灰色温度预测模型 | 第33-35页 |
| 2.4 基于信息熵的温度预测模型 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 粮食干燥过程模糊免疫PID算法控制器设计 | 第38-46页 |
| 3.1 免疫反馈算法机理 | 第38-39页 |
| 3.2 模糊免疫PID控制器的设计 | 第39-41页 |
| 3.3 免疫反馈规律的模糊自调整 | 第41-44页 |
| 3.4 模糊免疫自适应PID控制器积分和微分参数的模糊自调整 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 基于信息融合的粮食干燥集成控制系统实现 | 第46-57页 |
| 4.1 基于信息融合含水率预测模型的训练和测试 | 第46-51页 |
| 4.1.1 网络模型的训练 | 第46-47页 |
| 4.1.2 网络模型的测试 | 第47-48页 |
| 4.1.3 结果比较 | 第48-51页 |
| 4.2 粮食干燥过程模糊免疫PID实现 | 第51-55页 |
| 4.2.1 系统实现 | 第51页 |
| 4.2.2 控制系统仿真验证和结果分析 | 第51-54页 |
| 4.2.3 控制系统应用结果分析 | 第54-55页 |
| 4.3 应用及结论 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |