| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 引言 | 第7-13页 |
| ·工程背景 | 第7-8页 |
| ·问题的提出 | 第8-10页 |
| ·PID控制器、传统PID控制算法的局限性、自适应PID控制器 | 第10-11页 |
| ·研究目标和主要技术路线 | 第11页 |
| ·国内外研究现状 | 第11-12页 |
| ·主要研究内容 | 第12-13页 |
| 第二章 经典PID控制算法基本数学原理 | 第13-16页 |
| ·概述 | 第13页 |
| ·经典PID控制算法 | 第13-14页 |
| ·PID控制器的控制参数与控制参数的传统整定方法 | 第14-15页 |
| ·PID控制器的比例、积分、微分控制参数 | 第14页 |
| ·PID控制器的参数整定 | 第14-15页 |
| ·传统参数整定方法的局限性与自适应控制器 | 第15页 |
| ·小结 | 第15-16页 |
| 第三章 前向神经网络辨识器 | 第16-33页 |
| ·概述 | 第16页 |
| ·问题描述 | 第16-17页 |
| ·前向神经网络便是其数学原理 | 第17-20页 |
| ·为什么选择神经网络模型 | 第17-18页 |
| ·SISO系统三层前向神经网络辨识器 | 第18-20页 |
| ·三层前向辨识网络权值系数调整算法 | 第20页 |
| ·三层前向网络对任意连续函数的逼近能力 | 第20页 |
| ·LLYCO-30KW加热器系统辨识设计 | 第20-31页 |
| ·辨识器网络输入设计 | 第20-21页 |
| ·辨识器隐含层神经元设计 | 第21-25页 |
| ·先验知识引导模型与基于先验知识的网络权值系数初始化 | 第25-26页 |
| ·辨识器网络输出设计 | 第26-27页 |
| ·辨识器网络拓扑结构设计 | 第27-28页 |
| ·辨识器网络在线建模算法设计 | 第28-29页 |
| ·辨识器Simulink仿真 | 第29-31页 |
| ·小结 | 第31-33页 |
| 第四章 神经网络参数自整定PID控制器 | 第33-41页 |
| ·概述 | 第33页 |
| ·问题描述 | 第33-34页 |
| ·单神经元自整定PID控制器 | 第34-36页 |
| ·SISO系统单神经元PID控制器 | 第34-35页 |
| ·神经网络控制器权值系数学习算法 | 第35-36页 |
| ·LLYCO-30KW加热器自整定PID控制器设计 | 第36-40页 |
| ·NNC网络拓扑结构设计 | 第36-37页 |
| ·NNC参数自整定算法设计 | 第37-39页 |
| ·控制器Simul ink仿真 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第五章 LLYCO-30KW加热器自适应PID控制器设计 | 第41-49页 |
| ·概述 | 第41页 |
| ·自适应PID控制器拓扑结构设计 | 第41-43页 |
| ·自适应PID控制器控制算法 | 第43-44页 |
| ·自适应PID控制器Simulink仿真 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第六章 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 作者简介 | 第53页 |
| 攻读硕士学位期间研究成果 | 第53-54页 |
