| 引言 | 第1-11页 |
| ·本课题研究的目的与意义 | 第8-9页 |
| ·论文的整体安排与创新之处 | 第9-11页 |
| 第一章 人工神经网络的发展及其在控制领域中的应用 | 第11-19页 |
| ·神经网络发展历史阶段 | 第11-16页 |
| ·人工神经网络在控制领域中的应用 | 第16-17页 |
| ·人工神经元网络的特性 | 第16-17页 |
| ·人工神经元网络在自动化领域中的应用 | 第17页 |
| ·总结 | 第17-19页 |
| 第二章 经典PID 控制算法和不完全微分PID 控制算法 | 第19-30页 |
| ·经典PID 控制 | 第19-22页 |
| ·模拟PID控制器 | 第19-20页 |
| ·数字PID控制器 | 第20-21页 |
| ·PID 控制器的优点 | 第21-22页 |
| ·不完全微分PID 算法的两种结构 | 第22-25页 |
| ·完全微分PID 与不完全微分PID 比较 | 第25-30页 |
| ·从时域看完全微分PID 与不完全微分PID 的差别 | 第25页 |
| ·从计算机编程看完全微分PID 与不完全微分PID 的差别 | 第25-27页 |
| ·完全微分PID 与不完全微分型PID 控制的比较实验与仿真 | 第27-30页 |
| 第三章 基于单神经元的PID 控制 | 第30-44页 |
| ·生物神经元的结构 | 第30-31页 |
| ·生物神经元的结构 | 第30页 |
| ·生物神经元的信息处理机理 | 第30-31页 |
| ·人工神经元模型 | 第31-35页 |
| ·神经元的建模 | 第31-32页 |
| ·神经元的数学模型 | 第32-33页 |
| ·神经元的转移函数 | 第33-35页 |
| ·神经网络的学习规则 | 第35-37页 |
| ·现有学习规则的分类 | 第35页 |
| ·几种常用的学习规则 | 第35-37页 |
| ·单神经元PID 控制器 | 第37-44页 |
| ·单神经元自适应PID 控制器 | 第37-38页 |
| ·几种典型单神经元自适应PID 控制器学习算法 | 第38-44页 |
| 第四章 单神经元不完全微分PID控制器实验与仿真 | 第44-85页 |
| ·单神经元不完全微分PID 控制器控制算法及学习算法 | 第44-45页 |
| ·不完全微分PID 控制算法 | 第44-45页 |
| ·用神经元实现不完全微分PID | 第45页 |
| ·各种学习规律算法 | 第45-49页 |
| ·实验与仿真 | 第49-84页 |
| ·各种算法对阶跃信号的跟踪 | 第49-61页 |
| ·各种学习算法对方波信号的跟踪 | 第61-68页 |
| ·各种学习算法对外部干扰的适应性 | 第68-76页 |
| ·各种算法对外部对象发生变化时的适应性 | 第76-84页 |
| ·总结 | 第84-85页 |
| 第五章 不完全微分单神经元自适应 PID控制器的应用 | 第85-98页 |
| ·氨冷器被冷却介质出口温度控制系统 | 第85-91页 |
| ·生产过程对系统设计的要求 | 第85-86页 |
| ·系统设计 | 第86-91页 |
| ·玻璃熔炉窑压控制系统 | 第91-98页 |
| ·生产过程对系统设计的要求 | 第91-92页 |
| ·系统设计 | 第92-98页 |
| 第六章 结论 | 第98-99页 |
| 参考文献 | 第99-102页 |
| 致谢 | 第102-103页 |
| 攻读硕士学位期间发表论文 | 第103页 |
