摘要 | 第1-3页 |
Abstract | 第3-8页 |
第一章 绪论 | 第8-17页 |
1.1 引言 | 第8-9页 |
1.2 课题的选题背景 | 第9-11页 |
1.2.1 石灰窑常用控制算法和存在问题 | 第10-11页 |
1.2.1.1 经典控制方法(PID 控制) | 第10页 |
1.2.1.2 现代控制方法(最优控制) | 第10-11页 |
1.2.1.3 智能控制方法 | 第11页 |
1.3 模糊控制的产生与发展 | 第11-13页 |
1.4 人工神经网络的产生与发展 | 第13-14页 |
1.5 模糊控制与神经网络的结合 | 第14-16页 |
1.6 本文的主要工作 | 第16-17页 |
第二章模糊系统与神经网络的融合 | 第17-25页 |
2.1 引言 | 第17页 |
2.2 模糊系统与神经网络的等价性 | 第17-19页 |
2.3 模糊神经技术的实现方式 | 第19-25页 |
2.3.1 基于神经元网络的模糊控制 | 第20-22页 |
2.3.1.1 直接映射结构 | 第20-21页 |
2.3.1.2 递阶结构 | 第21-22页 |
2.3.2 模糊神经元网络 | 第22-23页 |
2.3.3 用模糊逻辑增强的神经元网络 | 第23-25页 |
第三章基于神经网络的模糊推理过程 | 第25-42页 |
3.1 引言 | 第25页 |
3.2 典型结构的模糊推理系统 | 第25-30页 |
3.2.1 模糊推理的基本组成 | 第25-28页 |
3.2.2 模糊推理的实现 | 第28-30页 |
3.3 模糊神经网络的联结主义表达 | 第30-34页 |
3.3.1 模糊系统联结主义的网络结构 | 第30-32页 |
3.3.2 模糊规则的神经网络实现 | 第32-34页 |
3.3.2.1 结构实现 | 第32-33页 |
3.3.2.2 算法实现 | 第33-34页 |
3.4 模糊高斯基函数网络推理结构及其学习算法 | 第34-42页 |
3.4.1 模糊高斯基函数的网络结构 | 第34-36页 |
3.4.2 混合学习算法的实现 | 第36-42页 |
3.4.2.1 离线学习算法 | 第36-39页 |
3.4.2.2 在线学习算法 | 第39页 |
3.4.2.3 基于变尺度 BFGS 方法的新学习算法 | 第39-42页 |
第四章 石灰窑系统的模糊神经网络控制 | 第42-50页 |
4.1 引言 | 第42页 |
4.2 石灰窑简介 | 第42-45页 |
4.2.1 石灰在炼钢生产中的作用 | 第42-43页 |
4.2.2 石灰窑的分类 | 第43页 |
4.2.3 石灰立窑的热工特点 | 第43-45页 |
4.3 石灰窑控制方案的设计 | 第45页 |
4.4 用模糊神经网络控制煅烧温度 | 第45-50页 |
4.4.1 模糊神经网络温度控制器的设计 | 第45-48页 |
4.4.2 神经网络预测器 NNP 的结构 | 第48-50页 |
第五章 石灰窑控制系统数字仿真 | 第50-60页 |
5.1 引言 | 第50页 |
5.2 石灰窑加热炉的数学模型 | 第50-53页 |
5.3 石灰窑系统数字仿真 | 第53-55页 |
5.4 石灰窑系统特性分析 | 第55-57页 |
5.5 仿真结果分析 | 第57-60页 |
第六章 石灰窑计算机监控系统的设计 | 第60-72页 |
6.1 引言 | 第60页 |
6.2 石灰窑计算机控制系统的功能 | 第60-61页 |
6.3 石灰窑计算机控制系统的构成 | 第61-67页 |
6.3.1 硬件 | 第61-63页 |
6.3.1.1 硬件配置 | 第61-63页 |
6.3.1.2 S7-300 PLC 简介 | 第63页 |
6.3.2 软件配置 | 第63-65页 |
6.3.2.1 STEP7 简介 | 第64-65页 |
6.3.2.2 Wincc 监控组态软件 | 第65页 |
6.3.3 S7-300 的通讯和网络组态 | 第65-67页 |
6.3.3.1 SIMATIC NET 介绍 | 第65-66页 |
6.3.3.2 MPI 通讯介绍 | 第66-67页 |
6.4 监控系统的要求与特点 | 第67-68页 |
6.4.1 控制要求 | 第67页 |
6.4.2 监控功能与特点 | 第67-68页 |
6.5 SIMATIC S7-300 PLC 控制程序的设计 | 第68-70页 |
6.6 控制效果与分析 | 第70-72页 |
结论 | 第72-73页 |
参考文献 | 第73-76页 |
致谢 | 第76-77页 |
个人简历 | 第77页 |