| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题来源和背景 | 第10-11页 |
| 1.2 PID控制的发展与现状 | 第11-14页 |
| 1.2.1 常规PID控制发展历程 | 第11-12页 |
| 1.2.2 智能PID控制的发展与现状 | 第12-14页 |
| 1.3 本文主要的研究内容 | 第14-16页 |
| 第2章 小型制冷机原理与温控对象数学模型 | 第16-28页 |
| 2.1 小型低温制冷机的分类与现状 | 第16-17页 |
| 2.2 脉冲管制冷机 | 第17-22页 |
| 2.2.1 基本型脉管制冷机 | 第17-18页 |
| 2.2.2 脉冲管制冷机的发展 | 第18-21页 |
| 2.2.3 直线压缩机驱动的脉冲管制冷机 | 第21-22页 |
| 2.3 温度控制系统的硬件组成 | 第22-24页 |
| 2.3.1 系统的组成和基本工作原理 | 第22-23页 |
| 2.3.2 检测部件 | 第23-24页 |
| 2.3.3 执行部分 | 第24页 |
| 2.3.4 接口卡AD/DA转换器 | 第24页 |
| 2.4 低温控制对象的数学模型 | 第24-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 常规PID算法的低温控制器研究 | 第28-34页 |
| 3.1 PID 控制 | 第28页 |
| 3.2 PID 控制原理 | 第28-30页 |
| 3.3 仿真分析 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 模糊PID算法的低温控制器研究 | 第34-48页 |
| 4.1 模糊理论 | 第34-37页 |
| 4.1.1 隶属函数 | 第35-37页 |
| 4.1.2 模糊关系及其合成 | 第37页 |
| 4.2 模糊控制的基本结构 | 第37-40页 |
| 4.2.1 模糊控制系统的结构 | 第38-39页 |
| 4.2.2 模糊控制的特点 | 第39-40页 |
| 4.3 变论域模糊控制 | 第40-41页 |
| 4.3.1 伸缩因子 | 第40-41页 |
| 4.4 模糊自适应PID控制算法 | 第41-45页 |
| 4.4.1 模糊PID控制器模糊化接口的设计 | 第42页 |
| 4.4.2 模糊规则集的建立 | 第42-44页 |
| 4.4.3 变论域自适应模糊PID | 第44-45页 |
| 4.5 基于模糊自适应PID算法的低温控制器仿真研究 | 第45-47页 |
| 4.5.1 仿真框图 | 第45页 |
| 4.5.2 仿真图像 | 第45-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 神经网络PID算法的低温控制器研究 | 第48-74页 |
| 5.1 神经网络理论 | 第48-55页 |
| 5.1.1 神经网络的发展历程 | 第48-50页 |
| 5.1.2 典型的神经网络模型 | 第50-52页 |
| 5.1.3 神经网络的训练 | 第52-53页 |
| 5.1.4 神经网络控制系统 | 第53-55页 |
| 5.2 单神经元自适应PID控制 | 第55-59页 |
| 5.2.1 单神经元的模型 | 第56页 |
| 5.2.2 神经网络的学习规则 | 第56-58页 |
| 5.2.3 单神经元PID算法 | 第58-59页 |
| 5.3 基于BP神经网络的PID控制 | 第59-64页 |
| 5.3.1 BP神经网络原理 | 第60页 |
| 5.3.2 基于BP神经网络的PID控制原理 | 第60-61页 |
| 5.3.3 基于BP神经网络的PID控制算法 | 第61-63页 |
| 5.3.4 BP神经网络的一些问题 | 第63-64页 |
| 5.4 基于神经网络PID算法的低温控制器的仿真研究 | 第64-69页 |
| 5.4.1 仿真框图 | 第64-65页 |
| 5.4.2 仿真图像 | 第65-69页 |
| 5.5 PID控制算法性能综合比较 | 第69-71页 |
| 5.5.1 跟踪性能比较 | 第69-70页 |
| 5.5.2 抗干扰性能比较 | 第70-71页 |
| 5.5.3 时间常数变化时鲁棒性能比较 | 第71页 |
| 5.6 总结 | 第71-74页 |
| 第6章 结论 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80页 |