| 第一章 绪论 | 第1-12页 |
| ·前言 | 第7页 |
| ·啤酒发酵罐温度控制的发展和现状 | 第7-8页 |
| ·多变量解耦控制与模糊神经网络技术 | 第8-11页 |
| ·模糊控制 | 第8-10页 |
| ·神经网络 | 第10页 |
| ·模糊神经技术 | 第10页 |
| ·多变量解耦控制 | 第10-11页 |
| ·论文的主要内容 | 第11-12页 |
| 第二章 啤酒酿造过程被控对象的描述 | 第12-22页 |
| ·啤酒酿造的工艺流程 | 第12-21页 |
| ·麦芽制造流程 | 第13页 |
| ·麦汁的制备与冷却流程 | 第13-14页 |
| ·啤酒发酵流程 | 第14-21页 |
| ·啤酒酵母 | 第14-15页 |
| ·啤酒发酵过程和酵母代谢作用 | 第15-16页 |
| ·啤酒发酵工艺 | 第16-19页 |
| ·主发酵 | 第17-18页 |
| ·后发酵 | 第18-19页 |
| ·啤酒发酵设备 | 第19-21页 |
| ·控制的目的 | 第21-22页 |
| 第三章 模糊自动控制的工作原理与设计 | 第22-32页 |
| ·模糊数学基础 | 第22-25页 |
| ·概述 | 第22页 |
| ·模糊集合的定义及表示 | 第22-23页 |
| ·模糊集合的运算 | 第23页 |
| ·模糊集隶属度函数的确定 | 第23-24页 |
| ·模糊关系、模糊矩阵与模糊变换 | 第24-25页 |
| ·模糊自动控制的原理和设计方法 | 第25-32页 |
| ·模糊自动控制的工作原理 | 第25-28页 |
| ·模糊控制器的设计方法 | 第28-32页 |
| 第四章 基于神经网络的模糊推理系统 | 第32-40页 |
| ·自适应模糊控制 | 第32-34页 |
| ·基于规则修改的自适应模糊控制器 | 第32页 |
| ·参数自矫正模糊控制器 | 第32-34页 |
| ·模型参考模糊自适应控制器 | 第34页 |
| ·神经网络自学习模糊控制器 | 第34-40页 |
| ·神经网络的基本原理 | 第34-35页 |
| ·神经网络的学习算法 | 第35-36页 |
| ·神经网络模糊控制器 | 第36-40页 |
| ·神经网络与模糊技术的融合方式 | 第36-37页 |
| ·模糊神经网络控制模型 | 第37-38页 |
| ·神经模糊推理的特点 | 第38-40页 |
| 第五章 多变量解耦模糊神经控制器 | 第40-53页 |
| ·常规多变量模糊控制器 | 第40-44页 |
| ·常规多变量控制系统解耦的条件 | 第40-42页 |
| ·常规多变量控制系统解耦的方法 | 第42-44页 |
| ·多变量解耦模糊控制系统 | 第44-50页 |
| ·多变量解耦模糊控制系统的结构 | 第44-46页 |
| ·多变量模糊系统的简化 | 第46-49页 |
| ·系统的实现 | 第49-50页 |
| ·模糊神经控制器的设计 | 第50-53页 |
| 第六章 多变量解耦模糊神经控制策略在啤酒发酵罐温度控制中的研究 | 第53-65页 |
| ·多变量解耦模糊神经控制策略的研究 | 第53-61页 |
| ·发酵罐温度控制过程与模糊控制 | 第53页 |
| ·基于模糊神经控制的多变量解耦啤酒发酵温度控制系统 | 第53-54页 |
| ·多变量解耦模糊神经控制策略的实施细则 | 第54-61页 |
| ·解耦方法的实现 | 第54-56页 |
| ·模糊神经网络的构建 | 第56-58页 |
| ·模糊神经网络的在线学习算法 | 第58-61页 |
| ·发酵罐的多变量解耦模糊神经控制策略仿真 | 第61-65页 |
| ·仿真所用数学模型以及流程图 | 第61-63页 |
| ·仿真结果 | 第63-65页 |
| 第七章 结论与展望 | 第65-66页 |
| ·本文总结 | 第65页 |
| ·今后展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |