| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-16页 |
| ·选题背景及意义 | 第8-9页 |
| ·内模控制简介 | 第9-12页 |
| ·内模控制的产生 | 第9-10页 |
| ·内模控制的基本原理 | 第10页 |
| ·内模控制的发展及研究现状 | 第10-12页 |
| ·人工神经元网络简介 | 第12-15页 |
| ·人工神经元网络的基本概念和特征 | 第12页 |
| ·人工神经元网络的发展和研究现状 | 第12-15页 |
| ·本文的主要研究内容 | 第15-16页 |
| 第2章 内模控制结构和神经网络算法 | 第16-30页 |
| ·内模控制结构 | 第16-20页 |
| ·内模控制原理 | 第16-18页 |
| ·内模控制器设计 | 第18-20页 |
| ·神经元网络结构 | 第20-23页 |
| ·单神经元模型 | 第20-21页 |
| ·激励函数主要形式 | 第21-22页 |
| ·网络结构及工作方式 | 第22-23页 |
| ·误差反向传播(BP)神经网络 | 第23-30页 |
| ·反向传播学习算法原理 | 第23-24页 |
| ·BP算法的数学描述 | 第24-27页 |
| ·BP学习算法的计算步骤 | 第27页 |
| ·BP算法人工神经元网络的结构问题 | 第27-30页 |
| 第3章 基于神经网络内模控制系统的辨识和仿真 | 第30-42页 |
| ·基于神经网络的模型辨识 | 第30-33页 |
| ·模型辨识的基本原理和辨识结构 | 第30-31页 |
| ·动态系统辨识 | 第31-33页 |
| ·基于神经网络的逆模型辨识 | 第33-34页 |
| ·系统的可逆性 | 第33-34页 |
| ·神经网络逆系统辨识方法 | 第34页 |
| ·基于神经网络的内模控制 | 第34-42页 |
| 第4章 神经网络内模在电加热炉控制中的应用 | 第42-56页 |
| ·实验装置简介 | 第42-43页 |
| ·基于BP神经网络的温度控制过程建模 | 第43-47页 |
| ·原始数据的收集与处理 | 第43-44页 |
| ·建模和仿真及结果分析 | 第44-47页 |
| ·基于BP神经网络的电加热炉内模控制方案 | 第47-56页 |
| ·系统设计 | 第47页 |
| ·温度控制系统正向模型的建立 | 第47-50页 |
| ·温度控制系统内模控制器的建立 | 第50-51页 |
| ·滤波器的设计 | 第51-52页 |
| ·温度控制系统内模控制结果 | 第52-54页 |
| ·内模控制系统鲁棒性及抑制干扰能力的研究 | 第54-56页 |
| 第5章 基于DSP的电加热炉内模控制硬件实现方 | 第56-72页 |
| ·控制系统总体结构设计 | 第56-57页 |
| ·电源模块设计 | 第57-58页 |
| ·DSP处理器模块设计 | 第58-60页 |
| ·TMS320C5402处理器介绍 | 第58-59页 |
| ·TMS320VC5402的体系结构 | 第59-60页 |
| ·TMS320VC5402为核心的最小系统的基本硬件设计 | 第60-63页 |
| ·串口模块 | 第63-69页 |
| ·人机接口电路设计 | 第69-72页 |
| 第6章 结论 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-77页 |
| 攻读学位期间的研究成果 | 第77页 |