声明
摘要
1 绪论
1.1 前言
1.1.1 干体炉的应用背景
1.1.2 干体炉温度控制方法的现状
1.2 人工神经网络的发展历程
1.2.1 人工神经网络的兴起与衰落
1.2.2 人工神经网络的复兴
1.2.3 政府机构对神经网络研究的重视
1.3 非线性系统控制方法研究
1.3.1 非线性系统控制方法
1.3.2 神经网络控制在应用中出现的问题
1.4 论文内容安排及创新点
1.4.1 内容安排
1.4.2 论文创新点
2 干体炉温度控制系统建模
2.1 干体炉温度控制系统分析
2.1.1 干体炉工作原理
2.1.2 干体炉非线性特性分析
2.2 系统建模方法研究
2.2.1 机理建模法
2.2.2 实验建模法
2.3 机理分析法建模
2.3.1 干体炉温度控制系统机理分析
2.3.2 干体炉温度控制系统机理分析模型
2.4 相关系数辨识法建模
2.4.1 相关系数辨识法原理
2.4.2 干体炉温度控制系统相关系数辨识法模型
2.5 本章小结
3 RBF神经网络研究
3.1 RBF神经网络原理
3.1.1 RBF神经网络结构
3.1.2 RBF神经网络学习算法研究现状
3.2 RAN学习算法研究
3.2.1 RAN学习算法原理
3.2.2 RAN学习算法的优缺点
3.3 GIRAN学习算法研究
3.3.1 GIRAN学习算法原理
3.3.2 GIRAN学习算法的优缺点
3.4 SRAN学习算法
3.4.1 网络初始化
3.4.2 新颖性准则
3.4.3 删除准则
3.4.4 参数更新算法
3.4.5 SRAN学习算法流程
3.5 本章小结
4 计算机仿真结果及分析
4.1 网络性能
4.1.1 隐含层神经元数目
4.1.2 逼近速度
4.1.3 鲁棒性
4.2 温度控制效果
4.2.1 动态特性
4.2.2 稳态特性
4.3 算法复杂性
4.3.1 预置参数数目
4.3.2 计算量
4.4 本章小结
5、干体炉系统操作控制软件
5.1 开发工具
5.1.1 软件开发周期
5.1.2 面向对象的高级编程语言
5.1.3 C++ Builder 2010开发环境
5.2 系统设计
5.2.1 模块设计
5.2.2 线程设计
5.2.3 数据库设计
5.3 软件测试
5.3.1 单元测试
5.3.2 集成测试
5.4 本章小结
6 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
个人简历、在学期间发表的学术论文与研究成果
致谢