植物生长柜控制方法的研究
中文摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第9-15页 |
1.1 课题的研究背景及意义 | 第9-11页 |
1.2 课题国内外研究现状 | 第11-13页 |
1.2.1 国外研究现状 | 第11-12页 |
1.2.2 国内研究现状 | 第12-13页 |
1.3 本文的研究内容及章节安排 | 第13-15页 |
第2章 人工神经网络理论基础 | 第15-21页 |
2.1 神经网络的基本概念 | 第15-17页 |
2.1.1 人工神经元的数学模型 | 第15-16页 |
2.1.2 人工神经网络的结构 | 第16-17页 |
2.2 神经网络的学习 | 第17-19页 |
2.2.1 神经网络的学习方式 | 第17-18页 |
2.2.2 神经网络的学习规则 | 第18-19页 |
2.3 神经网络的研究方向 | 第19-21页 |
第3章 BP神经网络 | 第21-34页 |
3.1 BP神经网络简介 | 第21页 |
3.2 BP神经网络结构的确定 | 第21-22页 |
3.3 BP网络学习算法 | 第22-26页 |
3.3.1 网络的前向计算 | 第23页 |
3.3.2 网络的权值调整 | 第23-25页 |
3.3.3 BP网络算法的计算步骤 | 第25-26页 |
3.4 BP算法的缺陷 | 第26页 |
3.5 改进BP神经网络算法 | 第26-28页 |
3.5.1 附加动量项法 | 第26-27页 |
3.5.2 自适应学习速率法 | 第27页 |
3.5.3 拟牛顿法 | 第27-28页 |
3.6 改进的共轭梯度BP算法 | 第28-30页 |
3.6.1 共轭梯度算法 | 第28-29页 |
3.6.2 改进共轭梯度算法 | 第29-30页 |
3.7 仿真研究 | 第30-32页 |
3.8 本章小节 | 第32-34页 |
第4章 基于改进BP神经网络PID控制器的设计 | 第34-49页 |
4.1 PID控制器 | 第34-38页 |
4.1.1 PID控制器简介 | 第34-35页 |
4.1.2 被控对象数学模型的建立 | 第35-36页 |
4.1.3 PID控制器的参数整定 | 第36-38页 |
4.2 基于改进BP神经网络PID控制 | 第38-42页 |
4.2.1 前向算法 | 第39-40页 |
4.2.2 反向算法 | 第40-42页 |
4.3 MATLAB仿真研究 | 第42-48页 |
4.3.1 对阶跃信号的响应 | 第42-46页 |
4.3.2 对外部干扰的适应性 | 第46-48页 |
4.4 本章小节 | 第48-49页 |
第5章 植物生长柜系统的研究与设计 | 第49-57页 |
5.1 植物生长柜系统 | 第49-50页 |
5.1.1 植物生长柜的简介 | 第49-50页 |
5.1.2 植物生长柜系统的总体设计 | 第50页 |
5.2 模块的设计与实现 | 第50-56页 |
5.2.1 主控模块 | 第50-51页 |
5.2.2 传感器模块 | 第51-53页 |
5.2.3 触摸屏模块 | 第53-54页 |
5.2.4 执行机构模块 | 第54-55页 |
5.2.5 电源模块 | 第55-56页 |
5.3 本章小节 | 第56-57页 |
第6章 总结与展望 | 第57-58页 |
6.1 总结 | 第57页 |
6.2 展望 | 第57-58页 |
参考文献 | 第58-63页 |
致谢 | 第63-64页 |
申请学位期间的研究成果及发表的学术论文 | 第64页 |