摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第9-13页 |
1.1 研究背景及意义 | 第9页 |
1.2 国外研究现状 | 第9-10页 |
1.3 国内研究现状 | 第10-11页 |
1.4 研究内容和方法 | 第11页 |
1.5 论文结构 | 第11-12页 |
1.6 本章小结 | 第12-13页 |
第二章 温室建模方法 | 第13-20页 |
2.1 温室温湿度机理模型 | 第13-17页 |
2.1.1 温室温度机理模型 | 第13-15页 |
2.1.2 温室湿度机理模型 | 第15-17页 |
2.2 系统辨识方法 | 第17-19页 |
2.2.1 系统辨识定义 | 第18页 |
2.2.2 神经网络辨识法 | 第18-19页 |
2.2.3 基于群智能算法的参数辨识 | 第19页 |
2.3 本章小结 | 第19-20页 |
第三章 基于PSO-LM-RBF的温室温湿度预测模型 | 第20-33页 |
3.1 神经网络概念、发展过程以及算法流程 | 第20-22页 |
3.1.1 神经网络定义 | 第20页 |
3.1.2 神经网络发展 | 第20-21页 |
3.1.3 BP神经网络算法流程 | 第21-22页 |
3.2 RBF神经网络 | 第22-23页 |
3.3 PSO算法 | 第23-24页 |
3.3.1 PSO原理 | 第23页 |
3.3.2 PSO改进 | 第23-24页 |
3.3.3 改进PSO算法步骤 | 第24页 |
3.4 LM算法 | 第24-25页 |
3.4.1 LM原理 | 第24-25页 |
3.4.2 LM算法步骤 | 第25页 |
3.5 基于PSO-LM算法优化的RBF神经网络模型 | 第25-32页 |
3.5.1 PSO-LM算法原理 | 第25页 |
3.5.2 PSO-LM优越性 | 第25-26页 |
3.5.3 PSO-LM算法流程 | 第26页 |
3.5.4 温室温湿度预测模型的建立 | 第26-27页 |
3.5.5 模型的仿真结果及其分析 | 第27-32页 |
3.6 本章小结 | 第32-33页 |
第四章 基于萤火虫算法的机理模型参数辨识 | 第33-44页 |
4.1 温室温湿度机理模型的构建 | 第33-36页 |
4.1.1 搭建温度机理模型 | 第33-34页 |
4.1.2 搭建湿度机理模型 | 第34-35页 |
4.1.3 搭建温湿度模型 | 第35-36页 |
4.2 萤火虫算法 | 第36-43页 |
4.2.1 萤火虫算法简介 | 第36-37页 |
4.2.2 FA算法原理 | 第37-38页 |
4.2.3 FA算法流程 | 第38页 |
4.2.4 仿真结果及分析 | 第38-43页 |
4.3 本章小结 | 第43-44页 |
第五章 基于神经网络模型和机理模型的温室温湿度控制 | 第44-54页 |
5.1 神经网络预测控制 | 第44-49页 |
5.1.1 神经网络预测控制系统 | 第44-45页 |
5.1.2 神经网络预测控制系统仿真 | 第45-49页 |
5.2 温室温湿度模糊神经网络控制 | 第49-53页 |
5.2.1 模糊神经网络控制简介 | 第49页 |
5.2.2 温湿度模糊神经网络控制器设计 | 第49-52页 |
5.2.3 温湿度模糊神经网络控制系统 | 第52-53页 |
5.3 本章小结 | 第53-54页 |
第六章 总结与展望 | 第54-55页 |
6.1 本文工作总结 | 第54页 |
6.2 展望 | 第54-55页 |
参考文献 | 第55-59页 |
发表论文和科研情况说明 | 第59-60页 |
致谢 | 第60页 |