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

基于模糊算法的前馈控制和递归神经网络的反馈控制在中和过程控制中的应用

第一章 绪论第1-25页
 1.1 传统控制的局限和智能控制的发展第7-10页
 1.2 模糊控制的基本思想第10-12页
 1.3 模糊控制的优点和缺陷第12-13页
 1.4 神经网络的特点及其控制的优越性第13-14页
 1.5 常见的神经网络控制方案及其应用第14-21页
  1.5.1 有监督控制(Supervised Control)第15页
  1.5.2 直接逆控制(Neural Inverse Control)第15-16页
  1.5.3 内模控制(Internal Model Control)第16-17页
  1.5.4 模型预测控制(Model Predictive Control)第17-19页
  1.5.5 模型参考自适应控制(Model Reference Adaptive Control)第19-20页
  1.5.6 CMAC小脑模型控制第20页
  1.5.7 再励学习控制(Reinforcement Learning Control)第20-21页
 1.6 常用于控制的几种神经网络第21-25页
  1.6.1 前向多层神经网络(FNN)第21-22页
  1.6.2 Hopfield网络(HNN)第22页
  1.6.3 自组织特性映射(Kohonen)第22-23页
  1.6.4 小脑模型网络(CMAC)第23页
  1.6.5 径向基函数神经网络(RBF)第23-25页
第二章 中和过程机理及其常规控制方法第25-40页
 2.1 pH中和的过程特性和机理模型第25-29页
  2.1.1 pH值中和过程的特性第25-27页
  2.1.2 pH值中和过程的机理模型第27-29页
 2.2 中和过程的不完全微分PID控制第29-32页
  2.2.1 常规的线性PID控制规律第30-31页
  2.2.2 采用不完全微分的PID控制第31-32页
 2.3 非线性PID的参数自整定模型第32-36页
  2.3.1 线性PID的参数整定第34页
  2.3.2 非线性PID的参数整定第34-35页
  2.3.3 仿真研究第35-36页
 2.4 前馈控制模型第36-40页
第三章 基于模糊算法的中和过程前馈控制第40-65页
 3.1 模糊逻辑系统的组成和分类第40-44页
  3.1.1 模糊产生器第40-41页
  3.1.2 模糊数据库和规则库第41-42页
  3.1.3 模糊推理机第42-43页
  3.1.4 反模糊化器第43-44页
 3.2 常见的模糊逻辑系统第44-46页
 3.3 模糊系统的确定技术第46-57页
  3.3.1 模糊逻辑系统的反向传播学习算法第46-49页
  3.3.2 模糊逻辑系统的OLS法确定第49-52页
  3.3.3 模糊逻辑系统的表格查询学习算法第52-57页
 3.4 基于模糊控制算法的前馈模型的设计第57-65页
第四章 基于ELMAN神经网络的中和过程预测控制算法第65-80页
 4.1 预测控制的发展第65页
 4.2 模型预测控制算法第65-70页
  4.2.1 单步模型算法控制第66-69页
  4.2.2 多步模型算控制第69-70页
 4.3 神经网络在中和过程预测控制中的应用第70-78页
  4.3.1 递归网络辨识动态时延系统第71页
  4.3.2 Elman神经网络第71-73页
  4.3.3 改进的Elman神经网络及其学习算法第73-75页
  4.3.4 辨识结果的优化控制算法第75-76页
  4.3.5 中和过程的Elman神经网络控制模型第76-78页
 4.4 中和过程神经网络控制系统的仿真实验第78-80页
第五章 PH中和过程自控系统的实现第80-85页
 5.1 中和过程自动控制方案设计第80-81页
 5.2 基于模糊算法的前馈控制的实现第81-82页
 5.3 基于改进ELMAN神经网络反馈控制的实现第82-83页
 5.4 控制效果分析第83-85页
第六章 结束语第85-88页
参考文献第88-91页
硕士生期间参加的科研项目第91-92页
致谢第92页

论文共92页,点击 下载论文
上一篇:静脉应用碱性成纤维细胞生长因子对缺血心肌血管新生的影响
下一篇:Fas、MDR1与子宫颈癌化疗敏感性及预后的关系