首页--工业技术论文--金属学与金属工艺论文--金属压力加工论文--轧制论文--轧制自动化论文

轧机液压弯辊系统智能控制的研究

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第10-18页
    1.1 课题背景第10-12页
    1.2 群智能控制简介第12-15页
    1.3 仿真软件选择第15-16页
    1.4 课题研究的意义第16页
    1.5 课题研究的主要内容第16-18页
第2章 液压弯辊力控制系统的分析与建模第18-33页
    2.1 液压弯辊装置第18-20页
    2.2 液压弯辊控制系统数学模型的建立第20-23页
    2.3 液压弯辊控制系统的仿真与计算第23-24页
        2.3.1 系统仿真参数的计算第23-24页
    2.4 液压弯辊控制系统特性分析第24-26页
    2.5 传统液压弯辊力控制系统的控制方法第26-29页
        2.5.1 数字PID控制第27-28页
        2.5.2 位置式PID控制算法第28-29页
        2.5.3 增量式PID控制算法第29页
    2.6 基于PID控制仿真第29-32页
    2.7 本章小结第32-33页
第3章 基于智能算法的PID控制优化研究第33-49页
    3.1 PID整定方法概述第33-34页
    3.2 基本粒子群优化算法第34-41页
        3.2.1 基本粒子群算法第35-36页
        3.2.2 标准粒子群算法第36-37页
        3.2.3 基于粒子群算法的PID控制器参数整定第37页
        3.2.4 粒子群算法整定PID控制器参数的原理第37-38页
        3.2.5 基于粒子群算法整定的PID控制仿真实验第38-41页
    3.3 遗传算法优化PID控制算法第41-48页
        3.3.1 遗传算法简介第41-42页
        3.3.2 遗传算法的特点第42页
        3.3.3 遗传算法的操作步骤第42-43页
        3.3.4 PID参数优化的遗传算法实现第43-45页
        3.3.5 按照参数优化步骤进行仿真第45-48页
    3.4 本章小结第48-49页
第4章 基于混合智能算法的液压弯辊控制仿真第49-63页
    4.1 融入遗传算法的粒子群优化算法第49-51页
        4.1.1 改进优化算法的流程第50-51页
    4.2 基于融入遗传算法的粒子群优化PID控制参数第51-56页
        4.2.1 评价函数的确定第52-53页
        4.2.2 算法的实现第53页
        4.2.3 仿真实验与分析第53-56页
    4.3 融合遗传因子的蚁群算法优化PID控制参数第56-61页
        4.3.1 融合遗传因子的蚁群算法的原理第56-57页
        4.3.2 基于遗传算法的蚁群算法优化PID控制参数第57-58页
        4.3.3 仿真实验与分析第58-61页
    4.4 加入干扰项仿真第61-62页
    4.5 本章小结第62-63页
结论第63-65页
参考文献第65-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:鄂尔多斯盆地基底构造重磁解释
下一篇:新常态下的企业创新驱动提质增效研究