基于模糊神经网络的隧道窑温度建模与控制研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 隧道窑工艺流程简介 | 第11-14页 |
| 1.2.1 隧道窑工艺的发展现状和趋势 | 第12页 |
| 1.2.2 隧道窑的结构特点和工作原理 | 第12-14页 |
| 1.3 隧道窑控制技术研究现状及发展趋势 | 第14-16页 |
| 1.3.1 隧道窑控制技术的研究现状 | 第14-15页 |
| 1.3.2 隧道窑控制技术的发展趋势 | 第15-16页 |
| 1.4 本文主要工作 | 第16-19页 |
| 第2章 隧道窑温度建模 | 第19-37页 |
| 2.1 建模方法概述 | 第19-20页 |
| 2.2 基于粒子群优化算法的系统辨识 | 第20-29页 |
| 2.2.1 系统辨识简介 | 第20-21页 |
| 2.2.2 粒子群优化算法 | 第21-27页 |
| 2.2.3 粒子群优化算法在系统辨识中的应用 | 第27-29页 |
| 2.3 基于改进粒子群优化算法的窑温模型参数辨识 | 第29-35页 |
| 2.3.1 被控对象模型的选取 | 第29-31页 |
| 2.3.2 改进粒子群优化算法的设计 | 第31-32页 |
| 2.3.3 仿真研究 | 第32-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 隧道窑温度的常规控制 | 第37-47页 |
| 3.1 PID控制简介 | 第37-40页 |
| 3.1.1 PID控制器的结构及原理 | 第37-39页 |
| 3.1.2 数字PID控制 | 第39-40页 |
| 3.2 隧道窑温度的PID控制器设计 | 第40-42页 |
| 3.3 隧道窑温度的PID控制仿真 | 第42-46页 |
| 3.3.1 模型匹配时窑温的控制仿真 | 第42-44页 |
| 3.3.2 模型失配时窑温的控制仿真 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 隧道窑温度模糊神经网络控制器设计 | 第47-61页 |
| 4.1 模糊控制 | 第47-51页 |
| 4.1.1 模糊控制的基本原理 | 第47-48页 |
| 4.1.2 模糊控制器的设计 | 第48-50页 |
| 4.1.3 模糊控制的优点和局限性 | 第50-51页 |
| 4.2 神经网络控制 | 第51-53页 |
| 4.2.1 人工神经网络 | 第51-52页 |
| 4.2.2 神经网络学习方法 | 第52页 |
| 4.2.3 神经网络控制的优点及缺陷 | 第52-53页 |
| 4.3 模糊神经网络 | 第53-60页 |
| 4.3.1 模糊控制与神经网络的融合 | 第54-55页 |
| 4.3.2 基于标准模型的模糊神经网络 | 第55-57页 |
| 4.3.3 模糊神经网络的学习算法 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 基于模糊神经网络的隧道窑温度仿真 | 第61-71页 |
| 5.1 基于模糊神经网络的隧道窑温度控制系统设计 | 第61-62页 |
| 5.2 模糊神经网络控制器参数训练 | 第62-65页 |
| 5.3 隧道窑温度仿真 | 第65-69页 |
| 5.3.1 模型匹配时窑温的控制仿真 | 第65-67页 |
| 5.3.2 模型失配时窑温的控制仿真 | 第67-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 研究工作总结 | 第71-72页 |
| 6.2 未来工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
