| 第一章 绪论 | 第1-19页 |
| ·工业过程控制概述 | 第12-14页 |
| ·工业过程控制的特点 | 第12-13页 |
| ·工业过程控制的发展 | 第13-14页 |
| ·工业过程控制的常用算法 | 第14-16页 |
| ·神经网络PID控制研究的意义和现状 | 第16-17页 |
| ·本文的主要工作 | 第17-19页 |
| 第二章 神经网络基础 | 第19-32页 |
| ·神经元的数理建模 | 第19-21页 |
| ·MP模型 | 第19-20页 |
| ·其它形式的作用函数 | 第20-21页 |
| ·Hebb学习规则 | 第21页 |
| ·感知器 | 第21-23页 |
| ·单层感知器 | 第21-22页 |
| ·多层感知器 | 第22-23页 |
| ·多层前馈网络与BP学习算法 | 第23-27页 |
| ·网络结构 | 第23页 |
| ·BP学习算法 | 第23-27页 |
| ·其它网络类型及学习算法 | 第27-32页 |
| ·自适应线性神经元与δ规则 | 第27-28页 |
| ·径向基函数神经网络 | 第28-29页 |
| ·小脑模型神经网络 | 第29-30页 |
| ·连续型Hopfield网络 | 第30-32页 |
| 第三章 神经网络PID控制 | 第32-50页 |
| ·基于神经网络的PID控制理论 | 第32-42页 |
| ·基于单神经元的直接PID控制 | 第32-36页 |
| ·基于单神经元的PID控制器(SNPC) | 第32-35页 |
| ·单神经元 PID控制器的稳定性分析 | 第35-36页 |
| ·基于多层前向网的PID控制 | 第36-40页 |
| ·基于 BP学习算法的多层前向网 PID控制器 | 第36-39页 |
| ·基于多层前向网的 PID控制的改进方案 | 第39-40页 |
| ·基于多层网的近似 PID控制 | 第40-42页 |
| ·基于神经网络的 PID控制器的仿真研究 | 第42-50页 |
| ·基于单个神经元PID控制器的实例仿真 | 第42-45页 |
| ·基于 BP学习算法的多层前向网 PID控制器的实例仿真 | 第45-46页 |
| ·基于 BP学习算法的多层网近似 PID控制器的实例仿真 | 第46-48页 |
| ·各种神经网络 PID控制器比较分析 | 第48-50页 |
| 第四章 神经网络 PID控制器在山梨醇生产线控制系统中的应用 | 第50-62页 |
| ·山梨醇生产工艺简介 | 第50-51页 |
| ·山梨醇生产线计算机控制系统设计 | 第51-56页 |
| ·系统配置 | 第51-53页 |
| ·硬件配置 | 第51-52页 |
| ·网络结构 | 第52-53页 |
| ·软件配置 | 第53页 |
| ·系统控制 | 第53-56页 |
| ·结晶工艺段温度控制系统的设计及实现 | 第56-62页 |
| ·控制方案设计 | 第56-57页 |
| ·被控过程的数学模型 | 第57-60页 |
| ·控制系统的实现方案 | 第60-62页 |
| 第五章 结论与展望 | 第62-64页 |
| ·工作总急结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 附录 | 第66-72页 |
