首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

太阳能温室建模及智能控制策略研究

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

论文共60页,点击 下载论文
上一篇:冰草主要农艺性状的QTL定位及动态遗传分析
下一篇:基于物联网的农业温室智能监测电气系统