| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第1章 绪论 | 第11-22页 |
| ·智能PID 产生与发展 | 第11-14页 |
| ·智能PID 控制产生背景 | 第11-12页 |
| ·智能控制理论综述 | 第12-14页 |
| ·课题研究的背景及意义 | 第14-21页 |
| ·基于BP 神经网络学习算法的改进研究现状 | 第15-18页 |
| ·基于蚁群算法的优化策略研究现状 | 第18-19页 |
| ·课题研究的意义 | 第19-21页 |
| ·本文的主要研究内容 | 第21-22页 |
| 第2章 基于神经网络的PID 控制策略研究 | 第22-46页 |
| ·引言 | 第22页 |
| ·人工神经网络 | 第22-27页 |
| ·神经网络产生与发展 | 第22-23页 |
| ·人工神经网络结构 | 第23-24页 |
| ·神经网络分类 | 第24-25页 |
| ·神经网络工作原理及其学习规则 | 第25-26页 |
| ·人工神经网络的研究内容及其进展 | 第26-27页 |
| ·基于神经网络整定的PID 控制策略 | 第27-37页 |
| ·传统PID 控制基本理论 | 第27-28页 |
| ·常用的传统PID 参数整定方法 | 第28-30页 |
| ·智能PID 控制基本理论 | 第30-34页 |
| ·基于神经网络整定的PID 控制 | 第34-37页 |
| ·基于BP 神经网络整定的PID 控制策略研究 | 第37-45页 |
| ·BP 模型网络结构设计 | 第37-42页 |
| ·基于BP 网络整定的PID 控制策略基本原理 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 基于蚁群算法的智能PID 控制策略研究 | 第46-80页 |
| ·引言 | 第46页 |
| ·蚁群算法 | 第46-53页 |
| ·蚁群算法生物学背景 | 第46-47页 |
| ·基本蚁群算法的数学模型建立及其实现 | 第47-50页 |
| ·蚁群算法的影响因子及其选择的基本原则 | 第50-53页 |
| ·基于蚁群算法的PID 控制策略 | 第53-55页 |
| ·基于二进制编码遗传算法的PID 整定策略 | 第55-60页 |
| ·蚁群算法与遗传算法比较 | 第55-56页 |
| ·基于二进制编码遗传算法的PID 整定策略 | 第56-60页 |
| ·材料试验机位置伺服系统建模 | 第60-68页 |
| ·阀控缸环节 | 第60-64页 |
| ·伺服放大器环节 | 第64-65页 |
| ·伺服阀环节 | 第65页 |
| ·位移传感器环节 | 第65-66页 |
| ·系统参数选取及其计算 | 第66-68页 |
| ·仿真结果分析 | 第68-79页 |
| ·基于Ziegler-Nichols 整定的系统仿真 | 第68-70页 |
| ·基于蚁群算法整定的系统仿真 | 第70-76页 |
| ·基于二进制编码遗传算法整定的系统仿真 | 第76-79页 |
| ·本章小结 | 第79-80页 |
| 第4章 基于ACO 的神经网络智能PID 控制策略研究 | 第80-103页 |
| ·引言 | 第80页 |
| ·基于ACO 的神经网络智能PID 控制策略 | 第80-84页 |
| ·基于ACO 的神经网络智能PID 控制系统结构 | 第81页 |
| ·RBF 网络学习基本原理 | 第81-83页 |
| ·基于ACO 的离线寻优的控制算法 | 第83-84页 |
| ·基于实数编码遗传算法的神经网络智能PID 控制策略 | 第84-86页 |
| ·系统仿真及结果分析 | 第86-92页 |
| ·基于LABVIEW 的系统实验研究分析 | 第92-102页 |
| ·基于LabVIEW 数据采集系统 | 第94-97页 |
| ·实验结果分析 | 第97-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-111页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第111-112页 |
| 致谢 | 第112-113页 |
| 作者简介 | 第113页 |
