| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1 绪论 | 第13-21页 |
| ·实际系统简介 | 第13-14页 |
| ·玻璃窑炉的工艺流程 | 第13-14页 |
| ·玻璃窑炉的控制要求 | 第14页 |
| ·玻璃窑炉的动态特性 | 第14-16页 |
| ·玻璃窑炉的理论数学模型 | 第16-17页 |
| ·玻璃窑炉温度控制的现状 | 第17页 |
| ·智能控制及控制系统实验方法概述 | 第17-20页 |
| ·智能控制 | 第17-18页 |
| ·控制系统实验方法 | 第18-20页 |
| ·本文的主要研究内容 | 第20-21页 |
| 2 玻璃窑炉温度系统的智能控制方案 | 第21-30页 |
| ·滞后现象对控制系统设计和运行的影响 | 第21页 |
| ·滞后过程的控制方法 | 第21-24页 |
| ·滞后过程的早期控制方法 | 第21-23页 |
| ·滞后过程控制方法近年来的进展 | 第23-24页 |
| ·玻璃窑炉的智能控制方案 | 第24-30页 |
| ·模糊逻辑与神经网络 | 第25-28页 |
| ·遗传算法及其在控制领域中的应用 | 第28-30页 |
| 3 玻璃窑炉的离散时间模型及最优预测 | 第30-38页 |
| ·差分方程与脉冲传递函数 | 第30页 |
| ·控制系统连续部分的脉冲传递函数 | 第30-35页 |
| ·离散拉氏变换 | 第31-34页 |
| ·连续部分的脉冲传递函数 | 第34-35页 |
| ·离散时间模型及最优预测 | 第35-38页 |
| ·离散时间模型 | 第35-36页 |
| ·最优预测 | 第36-38页 |
| 4 模糊神经网络控制器及其在线自学习算法 | 第38-48页 |
| ·基于神经网络实现的模糊控制 | 第38-43页 |
| ·模糊控制原理 | 第38-39页 |
| ·玻璃窑炉的模糊控制 | 第39-41页 |
| ·模糊神经网络控制器 | 第41-43页 |
| ·模糊神经网络控制器的在线自学习算法 | 第43-48页 |
| 5 基于遗传算法的模糊控制器离线优化和过程参数在线辨识 | 第48-66页 |
| ·遗传算法 | 第48-51页 |
| ·遗传算法的基本原理 | 第48-49页 |
| ·遗传算法的实现步骤 | 第49-51页 |
| ·遗传算法的特点 | 第51页 |
| ·基于遗传算法的模糊控制器离线优化 | 第51-59页 |
| ·模糊控制器优化算法设计 | 第52-57页 |
| ·优化结果 | 第57-59页 |
| ·基于遗传算法的过程参数在线辨识 | 第59-66页 |
| ·辨识的基本原理及传统辨识方法存在的缺陷 | 第59-61页 |
| ·基于遗传算法的在线参数辨识算法设计 | 第61-63页 |
| ·在线辨识实验结果 | 第63-66页 |
| 6 玻璃窑炉温度智能控制系统仿真实验 | 第66-72页 |
| ·控制系统仿真模型 | 第66-67页 |
| ·控制算法和仿真参数设置 | 第67-69页 |
| ·控制系统仿真结果 | 第69-72页 |
| 7 结论及有关问题的讨论 | 第72-74页 |
| ·结论 | 第72页 |
| ·有关问题的讨论 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录 攻读学位期间发表的学术论文 | 第78页 |