基于神经网络的内模控制在温度控制系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题研究的目的和意义 | 第9-10页 |
| ·国内外研究现状和发展趋势 | 第10-12页 |
| ·本人研究内容 | 第12-13页 |
| 2 被控对象分析 | 第13-17页 |
| ·电加热炉介绍 | 第13页 |
| ·被控对象特性分析 | 第13-14页 |
| ·被控对象建模 | 第14-17页 |
| 3 时滞系统概述 | 第17-25页 |
| ·时滞系统的概念 | 第17页 |
| ·时滞环节的传递函数和频率特性 | 第17-18页 |
| ·传递函数 | 第17页 |
| ·频率特性 | 第17-18页 |
| ·时滞过程控制主要问题 | 第18页 |
| ·一些有效时滞系统控制算法介绍 | 第18-23页 |
| ·PID控制 | 第18-19页 |
| ·Smith预估控制及其改进算法 | 第19-20页 |
| ·内模控制 | 第20-21页 |
| ·智能控制 | 第21-22页 |
| ·变结构控制 | 第22页 |
| ·其他控制算法 | 第22-23页 |
| ·含有时滞过程控制系统的发展趋势 | 第23-25页 |
| 4 控制算法研究 | 第25-45页 |
| ·Smith预估控制算法 | 第25-28页 |
| ·时滞系统Smith预估控制的设计方法 | 第25-26页 |
| ·史密斯控制算法性能分析 | 第26-28页 |
| ·内模控制 | 第28-33页 |
| ·内模控制系统的结构和原理 | 第28-29页 |
| ·内模控制的特性分析 | 第29-30页 |
| ·IMC控制器的设计方法 | 第30-32页 |
| ·反馈滤波器的设置 | 第32-33页 |
| ·内模控制和Smith预估控制器的关系 | 第33页 |
| ·IMC与smith预估控制算法仿真比较 | 第33-36页 |
| ·神经网络理论 | 第36-45页 |
| ·人工神经网络概述 | 第36页 |
| ·神经网络的功能和特点 | 第36-37页 |
| ·神经网络基本处理单元--神经元 | 第37-38页 |
| ·径向基函数网络 | 第38页 |
| ·径向基函数网络的结构 | 第38-41页 |
| ·径向基网络的学习方法 | 第41-43页 |
| ·改进的RBF网络中心学习算法 | 第43-45页 |
| 5 系统辨识 | 第45-62页 |
| ·基于响应曲线的系统辨识方法 | 第47-48页 |
| ·最小二乘辨识方法 | 第48页 |
| ·相关系数辨识法[79] | 第48-50页 |
| ·神经网络辨识 | 第50-52页 |
| ·对象逆模型建模 | 第52-62页 |
| ·系统可逆性分析 | 第52-54页 |
| ·神经网络逆模型辨识 | 第54-58页 |
| ·改进的逆模型辨识结构 | 第58页 |
| ·正、逆模型辨识仿真 | 第58-62页 |
| 6 基于神经网络内模控制温度系统控制 | 第62-71页 |
| ·基于神经网络的内模控制原理 | 第62-63页 |
| ·改进的神经网络内模控制 | 第63-64页 |
| ·内部模型和内模控制的设计 | 第64-66页 |
| ·内部模型的建立 | 第64页 |
| ·内模控制器的建立 | 第64-65页 |
| ·滤波器的设计 | 第65页 |
| ·改进的网络学习算法 | 第65-66页 |
| ·仿真研究 | 第66-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表学术论文情况 | 第76-77页 |
| 致谢 | 第77-78页 |
