首页--工业技术论文--能源与动力工程论文--内燃机论文--柴油机论文--理论论文

基于径向基神经网络的柴油机自适应调速算法研究

摘要第5-6页
abstract第6-7页
第一章 绪论第11-19页
    1.1 选题的背景及意义第11-12页
    1.2 国内外电子调速系统发展以及研究现状概述第12-13页
        1.2.1 国内外电子调速系统发展简介第12-13页
        1.2.2 国内外电子调速系统研究概述第13页
    1.3 柴油机电子调速控制策略第13-17页
    1.4 半物理仿真概述第17-18页
    1.5 本文主要工作综述第18-19页
第二章 神经网络控制技术第19-32页
    2.1 普通PID控制理论第19-22页
        2.1.1 PID控制理论发展背景第19-20页
        2.1.2 PID控制原理第20-21页
        2.1.3 整定参数方法第21-22页
    2.2 BP神经网络第22-23页
        2.2.1 BP神经网络学习算法第22页
        2.2.2 BP神经网络的局限性第22-23页
    2.3 BP神经网络PID控制算法第23-27页
        2.3.1 复合控制算法第23-27页
    2.4 RBF(径向基)神经网络第27-29页
        2.4.1 RBF学习法则第27-29页
        2.4.2 RBF神经网络的训练方式第29页
    2.5 RBF神经网络与BP神经网络的对比第29-30页
    2.6 本章小结第30-32页
第三章 柴油机调速控制建模仿真第32-59页
    3.1 建模简介第32-34页
        3.1.1 建模软件介绍第32-33页
        3.1.2 柴油机建模简介第33-34页
    3.2 柴油机数学模型的建立第34-42页
        3.2.1 柴油机总体模型的建立第39页
        3.2.2 电磁执行器建模第39-41页
        3.2.3 喷油泵模型第41-42页
    3.3 柴油机电子调速器原理概述第42-43页
    3.4 调速系统整体模型第43-44页
        3.4.1 S函数介绍第43-44页
    3.5 调速算法设计第44-50页
        3.5.1 柴油机自适应调速算法原理第44-45页
        3.5.2 柴油机自适应调速算法流程第45-46页
        3.5.3 两种自适应网络设计方法第46-49页
        3.5.4 BP学习算法的改进第49-50页
    3.6 调速系统性能指标第50-51页
    3.7 离线仿真分析第51-57页
        3.7.1 验证仿真模型第51-52页
        3.7.2 普通PID控制仿真数据第52-53页
        3.7.3 BP神经网络算法仿真数据第53-55页
        3.7.4 径向基智能算法仿真数据第55-57页
        3.7.5 三种控制算法性能指标对比第57页
    3.8 两种智能控制算法的鲁棒性对比第57-58页
    3.9 本章小结第58-59页
第四章 半物理仿真研究第59-72页
    4.1 快速原型简介第59页
    4.2 dSPACE仿真平台第59-63页
        4.2.1 dSPACE仿真软件开发工具第60页
        4.2.2 RTI(Real-Time Interface)接口第60-61页
        4.2.3 ControlDesk实时仿真监控第61页
        4.2.4 dSPACE仿真硬件工具第61-63页
    4.3 快速原型控制第63-65页
    4.4 硬件在环仿真第65-66页
    4.5 半物理仿真结果分析第66-71页
        4.5.1 普通PID半物理仿真研究第66-68页
        4.5.2 BP神经网络半物理仿真分析第68-69页
        4.5.3 径向基智能算法半物理仿真分析第69-71页
    4.6 本章小结第71-72页
第五章 配机实验第72-83页
    5.1 启动及工况判断第72-73页
    5.2 试验设备介绍第73-75页
    5.3 试验结果第75-82页
    5.4 本章小结第82-83页
结论第83-85页
参考文献第85-91页
攻读硕士学位期间发表的论文和取得的科研成果第91-92页
致谢第92页

论文共92页,点击 下载论文
上一篇:径向分级环形燃烧室燃烧场数值模拟
下一篇:PM集团薪酬体系优化设计