PID控制器参数整定及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-21页 |
| ·课题的研究背景 | 第14页 |
| ·PID 控制器的基本原理 | 第14-15页 |
| ·PID 控制器参数整定的现状 | 第15-17页 |
| ·PID 控制器参数整定的分类 | 第17-19页 |
| ·本文的研究内容 | 第19-21页 |
| 2 基于改进遗传算法的PID 参数整定 | 第21-32页 |
| ·引言 | 第21页 |
| ·遗传算法 | 第21-26页 |
| ·选择算子 | 第22-23页 |
| ·交叉算子 | 第23-25页 |
| ·变异算子 | 第25-26页 |
| ·改进的遗传算法 | 第26-31页 |
| ·改进的遗传算法PID 设计 | 第27-29页 |
| ·数例仿真 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于小波神经网络的PID 参数整定 | 第32-47页 |
| ·引言 | 第32页 |
| ·神经网络 | 第32-34页 |
| ·人工神经元 | 第33页 |
| ·神经网络的功能和学习方式 | 第33-34页 |
| ·BP 神经网络 | 第34-40页 |
| ·BP 神经网络结构和算法 | 第35-37页 |
| ·基于BP 神经网络的PID 设计 | 第37-40页 |
| ·小波神经网络 | 第40-42页 |
| ·小波神经网络结构和算法 | 第41-42页 |
| ·小波神经网络的PID 设计 | 第42页 |
| ·数例仿真 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 4 多目标H_2/H_∞鲁棒PID 参数整定 | 第47-59页 |
| ·引言 | 第47页 |
| ·线性矩阵不等式理论 | 第47-48页 |
| ·LMI 区域与H_2/H_∞性能 | 第48-51页 |
| ·LMI 区域的描述 | 第48-50页 |
| ·H_2 性能指标 | 第50-51页 |
| ·H_∞性能指标 | 第51页 |
| ·系统数学模型的建立 | 第51-55页 |
| ·多目标H_2/H_∞PID 控制器设计 | 第53-55页 |
| ·多目标最优H_2PID 控制器的设计 | 第55页 |
| ·数例仿真 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 5 多变量PID 的参数整定研究 | 第59-73页 |
| ·引言 | 第59页 |
| ·多变量PID 参数整定的主要方法 | 第59-70页 |
| ·具有校正因子的多变量PID 设计 | 第59-61页 |
| ·神经网络多变量PID 设计 | 第61-62页 |
| ·遗传算法的多变量PID 设计 | 第62-65页 |
| ·微粒子群算法的灰色系统预测PID 设计 | 第65-66页 |
| ·基于H_∞控制的多变量PID 设计 | 第66-67页 |
| ·基于ILMI 方法的多变量PID 控制器设计 | 第67-70页 |
| ·多变量系统的改进单神经元PID 控制 | 第70-72页 |
| ·改进的单神经元结构及控制算法 | 第71页 |
| ·数例仿真 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 6 基于QDRNN 的多变量PID 参数整定 | 第73-87页 |
| ·引言 | 第73页 |
| ·对角递归神经网络 | 第73-76页 |
| ·对角递归神经网络Jacobian 信息辨识 | 第74-76页 |
| ·准对角递归神经网络 | 第76-80页 |
| ·准对角递归神经网络Jacobian 信息辨识 | 第77-78页 |
| ·基于准对角递归神经网络多变量PID 控制算法 | 第78-80页 |
| ·数例仿真 | 第80-85页 |
| ·本章小结 | 第85-87页 |
| 7 总结与展望 | 第87-89页 |
| ·理论研究成果 | 第87-88页 |
| ·研究展望 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 致谢 | 第94-95页 |
| 作者简介及读研期间主要科研成果 | 第95-96页 |
