| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 课题研究的来源 | 第7-8页 |
| 1.2 所属项目简介 | 第8-11页 |
| 1.3 本课题研究的意义 | 第11页 |
| 1.4 论文内容的组织结构 | 第11-13页 |
| 第二章 中药巴布剂粘度在线检测方案设计 | 第13-20页 |
| 2.1 中药流体特性分析 | 第13页 |
| 2.2 影响中药粘度的关键因素分析及在设计中的处理 | 第13-15页 |
| 2.2.1 温度的影响 | 第13-14页 |
| 2.2.2 气泡的影响 | 第14页 |
| 2.2.3 压力的影响 | 第14页 |
| 2.2.4 曝氧的影响 | 第14页 |
| 2.2.5 粘度与剪切速率的关系 | 第14-15页 |
| 2.3 粘度测量方案比较分析 | 第15-18页 |
| 2.3.1 毛细管法 | 第15页 |
| 2.3.2 落球法 | 第15页 |
| 2.3.3 振动法 | 第15-16页 |
| 2.3.4 旋转法 | 第16-17页 |
| 2.3.5 电阻法 | 第17-18页 |
| 2.4 可行性方案 | 第18-20页 |
| 第三章 数据采集及控制系统的硬件和软件设计 | 第20-29页 |
| 3.1 硬件原理 | 第20-21页 |
| 3.2 粘度在线检测系统的硬件选择 | 第21-23页 |
| 3.2.1 可编程控制器PLC 的选型 | 第21页 |
| 3.2.2 上位机设计选用 | 第21页 |
| 3.2.3 电动机的选择 | 第21-22页 |
| 3.2.4 A/D 转换器的选择 | 第22页 |
| 3.2.5 电流传感器的选择 | 第22-23页 |
| 3.3 数据采集系统的软件设计 | 第23-27页 |
| 3.4 实验数据的采集 | 第27-29页 |
| 第四章 中药巴布剂粘度在线检测的数据处理的相关理论介绍 | 第29-38页 |
| 4.1 建模方法 | 第29-30页 |
| 4.2 人工神经网络概述 | 第30-32页 |
| 4.2.1 神经网络的基本结构及原理 | 第30-32页 |
| 4.2.2 神经网络的基本特点 | 第32页 |
| 4.2.3 神经网络的学习方法 | 第32页 |
| 4.3 BP 神经网络 | 第32-38页 |
| 4.3.1 BP 神经网络原理 | 第33-35页 |
| 4.3.2 BP 网络的训练过程 | 第35-36页 |
| 4.3.3 BP 算法的改进 | 第36-38页 |
| 第五章 基于BP 神经网络的粘度测量模型的设计及其数据处理 | 第38-51页 |
| 5.1 基于BP 神经网络的粘度测量模型的设计 | 第38-40页 |
| 5.1.1 BP 神经网络结构的设计 | 第38-39页 |
| 5.1.2 学习参数的设置 | 第39-40页 |
| 5.1.3 数据的预处理 | 第40页 |
| 5.2 最小二乘法拟合 | 第40-42页 |
| 5.3 基于Matlab 神经网络工具箱的网络模型设计 | 第42-49页 |
| 5.3.1 BP 网络的生成和初始化 | 第43页 |
| 5.3.2 网络的训练 | 第43页 |
| 5.3.3 网络仿真 | 第43-44页 |
| 5.3.4 预测仿真实现 | 第44-49页 |
| 5.4 神经网络粘度在线检测程序的实现 | 第49-51页 |
| 第六章 总结和展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55页 |
