摘要 | 第5-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第11-17页 |
1.1 课题来源 | 第11页 |
1.2 研究背景及意义 | 第11-12页 |
1.3 相关理论概述及研究现状 | 第12-15页 |
1.3.1 CPS系统与智能制造概述 | 第12页 |
1.3.2 CPS系统发展及研究现状 | 第12-14页 |
1.3.3 人工智能的发展及研究现状 | 第14-15页 |
1.4 论文研究内容及章节安排 | 第15-17页 |
第二章 CPS智能制造系统基本理论研究 | 第17-26页 |
2.1 CPS系统架构研究 | 第17-19页 |
2.1.1 CPS系统基本组成 | 第17页 |
2.1.2 CPS系统体系架构 | 第17-19页 |
2.2 人工神经网络算法 | 第19-25页 |
2.2.1 神经元节点数学模型 | 第19-20页 |
2.2.2 神经元状态激励函数 | 第20-23页 |
2.2.3 神经网络学习规则 | 第23-24页 |
2.2.4 神经网络的分类 | 第24-25页 |
2.3 本章小结 | 第25-26页 |
第三章 基于DH-Elman神经网络的CPS系统参数预测模型 | 第26-37页 |
3.1 引言 | 第26-27页 |
3.2 DH-Elman神经网络算法 | 第27-30页 |
3.2.1 Elman神经网络原理简介 | 第27-28页 |
3.2.2 DH-Elman神经网络算法提出 | 第28-30页 |
3.3 基于DH-Elman神经网络参数预测模型 | 第30-32页 |
3.3.1 DH-Elman神经网络建立 | 第30页 |
3.3.2 DH-Elman神经网络参数预测模型建立 | 第30-32页 |
3.4 算法对比仿真实验 | 第32-36页 |
3.4.1 数据训练集及测试集构建 | 第32-33页 |
3.4.2 算法对比实验结果 | 第33-36页 |
3.5 本章小结 | 第36-37页 |
第四章 基于CPS的制曲智能制造系统设计 | 第37-63页 |
4.1 基于CPS的制曲智能制造系统架构 | 第37-39页 |
4.1.1 制曲工艺流程分析 | 第37页 |
4.1.2 基于CPS的制曲智能制造系统架构搭建 | 第37-39页 |
4.2 系统整体设计方案 | 第39-40页 |
4.3 系统数据感知层设计 | 第40-46页 |
4.3.1 传感网络感知节点模型 | 第40页 |
4.3.2 感知节点设计 | 第40-46页 |
4.4 系统网络传输层设计 | 第46-51页 |
4.4.1 网络通信方式选择 | 第46-48页 |
4.4.2 智能网关节点设计 | 第48-49页 |
4.4.3 CPS制曲智能制造系统异构组网 | 第49-50页 |
4.4.4 网络模型建立及仿真 | 第50-51页 |
4.5 系统应用服务层设计 | 第51-62页 |
4.5.1 数据解析及存储 | 第52-54页 |
4.5.2 数据库设计 | 第54-56页 |
4.5.3 系统B/S软件架构设计 | 第56-57页 |
4.5.4 基于RPC架构的DH-Elman算法服务平台设计 | 第57-62页 |
4.6 本章小结 | 第62-63页 |
第五章 CPS制曲智能制造系统的实现 | 第63-77页 |
5.1 系统生产数据感知模块实现 | 第63-65页 |
5.1.1 传感器感知模块 | 第63-64页 |
5.1.2 RFID感知模块 | 第64-65页 |
5.2 系统网络平台实现 | 第65-66页 |
5.2.1 主干接点 | 第65-66页 |
5.2.2 智能网关节点 | 第66页 |
5.3 生产实时监测系统软件实现 | 第66-72页 |
5.3.1 生产过程参数在线监测平台 | 第67-71页 |
5.3.2 历史数据分析平台 | 第71-72页 |
5.4 系统DH-Elman算法参数预测平台实现 | 第72-76页 |
5.4.1 DH-Elman算法RPC框架实现 | 第72-74页 |
5.4.2 参数预测平台实现 | 第74-76页 |
5.5 本章小结 | 第76-77页 |
第六章 总结与展望 | 第77-79页 |
6.1 总结 | 第77-78页 |
6.2 展望 | 第78-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-83页 |
攻读硕士期间研究成果 | 第83页 |