| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-17页 |
| ·发动机转速控制历史追溯 | 第9-10页 |
| ·国内外发动机转速控制器的发展概况 | 第10-11页 |
| ·PID控制器基本知识 | 第11-12页 |
| ·智能优化算法在发动机转速控制中的应用现状简介 | 第12-13页 |
| ·本课题的研究对象 | 第13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·章节内容安排 | 第14-17页 |
| 2 基于测功机平台的发动机转速控制系统研究 | 第17-31页 |
| ·发动机转速控制的意义 | 第17页 |
| ·发动机—测功机系统平台 | 第17-21页 |
| ·测功机结构和原理 | 第18-20页 |
| ·发动机转速和扭矩的测量 | 第20-21页 |
| ·发动机—测功机系统控制方式分析 | 第21-24页 |
| ·PID控制器的软硬件设计 | 第24-27页 |
| ·PID控制器软件设计 | 第24页 |
| ·PID控制器硬件设计 | 第24-27页 |
| ·发动机转速控制系统模型 | 第27-30页 |
| ·发动机数学模型 | 第28-29页 |
| ·执行器数学模型 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 系统双变量神经网络PID解耦控制 | 第31-49页 |
| ·解耦控制的发展 | 第31-32页 |
| ·发动机-测功机平台双变量耦合分析 | 第32-37页 |
| ·耦合的基本概念 | 第32页 |
| ·双变量耦合的数学分析 | 第32-34页 |
| ·双变量耦合程度验证 | 第34-37页 |
| ·双变量神经网络PID解耦控制器设计 | 第37-48页 |
| ·解耦控制设计的一般实现方式 | 第37-39页 |
| ·神经网络基本知识 | 第39-40页 |
| ·双变量神经网络PID控制器结构 | 第40-44页 |
| ·仿真实验结果分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 4 基于粒子群寻优的克隆选择算法 | 第49-65页 |
| ·引言 | 第49页 |
| ·克隆选择算法 | 第49-52页 |
| ·克隆选择原理 | 第49-50页 |
| ·克隆选择算法 | 第50-52页 |
| ·粒子群算法 | 第52-55页 |
| ·算法基本思想 | 第52-54页 |
| ·粒子群算法参数设置 | 第54-55页 |
| ·惯性权重因子的引入 | 第55页 |
| ·PCSA算法介绍 | 第55-64页 |
| ·PCSA的基本思想 | 第55-56页 |
| ·PCSA算法描述 | 第56-58页 |
| ·参数设置分析 | 第58-59页 |
| ·实验仿真分析 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 5 PCSA算法在发动机转速神经PID控制器优化中的应用 | 第65-79页 |
| ·引言 | 第65页 |
| ·控制系统结构框图 | 第65-66页 |
| ·PCSA优化发动机转速神经PID控制器的实现 | 第66-69页 |
| ·PID控制器优化性能的评价函数 | 第66-67页 |
| ·变量编码 | 第67页 |
| ·适应度函数 | 第67-68页 |
| ·算法流程 | 第68-69页 |
| ·仿真实验及结果分析 | 第69-73页 |
| ·参照对象选取与参数确定 | 第69-70页 |
| ·实验及其结果分析 | 第70-73页 |
| ·硬件在环仿真验证 | 第73-77页 |
| ·实验平台搭建 | 第73-75页 |
| ·实验及结果分析 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 6 总结与展望 | 第79-83页 |
| ·工作总结 | 第79-80页 |
| ·神经网络用于多变量解耦 | 第79-80页 |
| ·基于粒子群算法的克隆选择算法改进 | 第80页 |
| ·发动机转速PID控制器的优化 | 第80页 |
| ·研究展望 | 第80-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 附录 | 第90页 |