| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 斗轮取料机的国内外发展现状 | 第11-16页 |
| 1.2.1 国外发展现状 | 第11页 |
| 1.2.2 国内发展现状 | 第11-13页 |
| 1.2.3 斗轮取料机控制系统概况 | 第13-15页 |
| 1.2.4 发展趋势 | 第15-16页 |
| 1.3 神经网络概述 | 第16-20页 |
| 1.3.1 神经网络发展现状 | 第16-17页 |
| 1.3.2 基本类型 | 第17-18页 |
| 1.3.3 神经网络算法特点 | 第18-20页 |
| 1.4 论文主要研究内容 | 第20-21页 |
| 第2章 斗轮机取料工艺及运动学解析 | 第21-35页 |
| 2.1 斗轮机的基本结构及取料工艺 | 第21-23页 |
| 2.1.1 斗轮取料机的分类 | 第21-22页 |
| 2.1.2 斗轮取料机的基本结构 | 第22-23页 |
| 2.1.3 斗轮取料机的工作原理 | 第23页 |
| 2.2 斗轮取料机的取料工艺及技术参数 | 第23-29页 |
| 2.2.1 旋转分层取料 | 第23-24页 |
| 2.2.2 定点斜坡取料 | 第24-25页 |
| 2.2.3 等量取料研究 | 第25-26页 |
| 2.2.4 技术参数 | 第26-29页 |
| 2.3 斗轮机运动学解析 | 第29-32页 |
| 2.3.1 坐标变换 | 第30-31页 |
| 2.3.2 运动学反变换 | 第31-32页 |
| 2.4 斗轮机子系统数学模型 | 第32-34页 |
| 2.4.1 斗轮机子系统驱动方式 | 第32-33页 |
| 2.4.2 斗轮机子系统数学模型 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 斗轮取料机系统控制算法研究及改进 | 第35-55页 |
| 3.1 经典 PID 控制原理 | 第35-38页 |
| 3.1.1 模拟 PID 控制器 | 第35-36页 |
| 3.1.2 数字式 PID 控制器 | 第36-38页 |
| 3.2 RBF 神经网络结构 | 第38-40页 |
| 3.3 传统最近邻聚类算法 | 第40-42页 |
| 3.3.1 算法步骤 | 第41页 |
| 3.3.2 算法缺陷 | 第41-42页 |
| 3.4 改进的最近邻聚类算法 | 第42-47页 |
| 3.4.1 聚类初始半径的确定 | 第42-43页 |
| 3.4.2 聚类中心的优化 | 第43页 |
| 3.4.3 熵值法改进欧式距离 | 第43-45页 |
| 3.4.4 阶梯型步长在聚类半径中的应用 | 第45页 |
| 3.4.5 隐节点删除策略 | 第45-46页 |
| 3.4.6 算法步骤 | 第46-47页 |
| 3.5 改进的混合学习算法 | 第47-49页 |
| 3.6 斗轮取料机系统的控制器设计 | 第49-54页 |
| 3.6.1 RBF 神经网络 PID 控制器设计 | 第49-50页 |
| 3.6.2 PID 控制参数整定原理 | 第50-51页 |
| 3.6.3 Jacobian 信息辨识算法 | 第51-52页 |
| 3.6.4 RBF 神经网络 PID 控制特性仿真实验 | 第52-54页 |
| 3.7 本章小结 | 第54-55页 |
| 第4章 基于改进算法的斗轮机系统控制研究 | 第55-68页 |
| 4.1 引言 | 第55页 |
| 4.2 斗轮机系统控制设计 | 第55-57页 |
| 4.3 斗轮机系统控制实现 | 第57-67页 |
| 4.3.1 斗轮机子系统控制实现 | 第57-58页 |
| 4.3.2 斗轮取料机系统控制实现 | 第58-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 斗轮机系统控制仿真界面 | 第68-75页 |
| 5.1 引言 | 第68页 |
| 5.2 仿真界面设计 | 第68-69页 |
| 5.2.1 MATLAB 介绍 | 第68-69页 |
| 5.2.2 基于 MATLAB 的斗轮机系统控制仿真设计 | 第69页 |
| 5.3 斗轮机系统控制 GUI 设计 | 第69-74页 |
| 5.4 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83页 |