一、基于神经网络的自动控制系统（论文文献综述）
侯雅君[1]（2021）在《地铁盾构姿态智能化预测及其控制》文中指出随着城市化进程的不断推进,地铁建设已成为城市轨道交通的主流发展方向。盾构法作为一种可以适应多种恶劣环境的方法,在地铁隧道施工中应用广泛。受地层、荷载等众多因素的制约,盾构姿态极易产生失稳现象,因此有必要采取适当控制措施,在姿态发生失稳前进行补救。本文以土压平衡盾构机的竖向姿态俯仰角为研究目标,对其预测及控制建模方法进行了探讨,主要研究内容及成果包括:（1）通过分析盾构姿态预测及控制模型的特点及建模需求,分别建立训练样本集。对于预测模型,以滚动法扩充俯仰角时间序列,并以经验模态分解方法降低样本噪声。对于控制模型,分析盾构推力及姿态影响因素,将土层特性、掘进参数纳入指标体系,筛选模型输入及输出变量,处理得到俯仰角控制样本集。（2）以预测样本集构建基于组合方法的盾构竖向姿态预测模型。首先分析经验模态处理得到的俯仰角分量,得到其中的样本特征。然后针对这些特征选择粒子群算法作为优化算法、BP神经网络和支持向量回归作为预测算法,将各分量分别带入不同模型,对各分量的预测值求和即得该模型俯仰角预测值。最终以最优加权法对各模型预测值赋权得最佳组合模型。实例验证结果表明:所提出的模型较单一模型准确率高、较数据未处理模型泛化能力强,可以及早发现姿态偏差,为盾构竖向姿态预测提供了新思路,具有重要的现实意义。（3）鉴于传统模糊控制器规则制定的粗糙性,以控制样本集构建基于自适应神经模糊推理系统（ANFIS）的盾构姿态控制模型。该模型以人工神经网络挖掘盾构历史数据之间的模糊规则,通过调节盾构推力实现对俯仰角的控制。首先以减法聚类算法寻找样本间的关联,求得样本集合的聚类中心。然后以聚类中心作为后续推理的模糊规则,生成控制模型的模糊推理结构（FIS）。最后在此基础上建立ANFIS姿态控制模型。将其应用于工程实例当中,结果表明:本文设计模型控制效果平稳,在满足精度的前提下简化了模型结构,在复杂地层的土压平衡盾构姿态控制中表现出较强的适应性。
刘同勇[2]（2021）在《燃煤电站SCR脱硝系统先进控制技术研发与应用》文中提出目前燃煤电站SCR脱硝系统普遍存在着喷氨过程自动控制品质差的共性技术问题,极易导致空预器冷端积灰腐蚀受损等运行问题,开展燃煤电站SCR脱硝系统喷氨优化控制以降低氨逃逸,可以实现抑制硫酸氢氨生成、提高超改后机组安全稳定运行性能的目的。本文以神华国华寿光发电厂2号国产1023MW超超临界机组,脱硝控制系统改造项目为应用背景,深入了解当前燃煤电站SCR脱硝系统先进控制的发展方向和特点,提出了对机组现有状态最切实可行的喷氨控制方案。结合SCR脱硝系统反应机理、机组运行现状及其脱硝常规控制方案,分析得到:固定摩尔比控制方式不利于保证NOx排放的高精度控制,易引发环保排放超标;入口 NOx浓度关键运行参数变化大,且有迟滞,直接引入参与控制不利于提高喷氨控制品质;基于系统静态物理特性,整定脱硝控制特性参数的方法欠合理,不利于实现控制特性与被控对象特性的良好匹配;SCR脱硝系统入口及出口 NOx浓度关键运行参数测量失真情况需针对性处理,否则不利于提高脱硝自动控制品质。对此,本文设计了燃煤电站SCR脱硝系统先进综合控制方案,具体组成为:首先基于Smith预估和状态变量补偿技术,给出了 SCR脱硝改进串级控制方案的设计方法及仿真验证结果;其次采用广义预测主控制器取代上述改进串级控制方案主回路中的PID控制器,并给出了这种改进串级控制方案广义预测主控制器的设计方法以及仿真验证结果;最后针对燃煤电站炉内燃烧扰动导致的SCR脱硝系统入口 NOx浓度大波动、NOx分析仪测量失真扰动等特性,开发了智能前馈控制技术针对上述两类扰动进行动态补偿,从反应源头上及时喷射合理的氨量。本文所提出的喷氨先进综合控制方案,成功地应用于神华国华寿光发电厂2号国产1023MW超超临界机组脱硝控制系统改造项目。根据该厂SCR脱硝系统的实际情况,结合优化控制方案开展软件设计与开发,在依托相关硬件配置的基础上最终进行了工程实施。工程应用结果表明,该先进综合控制方案可有效提高SCR脱硝系统的动态响应质量,喷氨控制效果显着提升,可为其他同类型电厂脱硝控制系统改造提供技术参考。
胡富月[3]（2021）在《重介分选过程灰分自动控制系统研究》文中提出近几年选煤厂的智能化改造正在如火如荼的进行着,重介质分选过程作为煤炭洗选加工过程中极为重要的一个环节,由自动分流、自动补水、自动加介、桶位平衡、密度智能设定等各个环节自动化的实现,使得重介质分选自动控制得到较大发展。在实际生产过程中由于原煤煤质的改变和波动以及在线灰分仪本身存在的测量误差,使得灰分闭环控制环节（密度智能设定）的调节速度以及调节准确性仍需提高。根据选煤厂实际生产情况的调研和分析,重介分选系统中灰分闭环控制环节的主要问题有在线灰分仪检测原煤和精煤时,由于煤流不稳定、煤质波动、煤层厚度不同等导致在线灰分仪检测数据的误差较大以及数据丢失严重以及精煤和原煤灰分值与分选密度设定值之间的相关性存在其它因素的干扰,使得相关性较差并全面性不够。针对上述的问题,本文提出重介分选过程灰分自动控制系统,首先分析研究重介分选工艺过程,从在线灰分仪测量数据条件出发,对煤炭洗选工艺过程进行整改,之后对灰分数据等工业性实验数据进行数据预处理—插值分析,采用多变量统计过程控制（Multivariable statistical process control,MSPC）中主成分分析法对灰分值数据、皮带运输量数据、生产数据等进行处理和分析,采用MSPC中的T2统计量图对数据进行实时监测并分析其统计数据是否处于正常状态,当统计正常状态时,精煤灰分实际值与灰分目标值差值小于等于0.5%。当统计异常状态时,精煤灰分超出灰分目标值合格范围,采用模糊神经网络构建的密度预测模型进行密度预测,调整分选密度设定值,之后再通过密度自动控制系统,将实际密度值调节到分选密度设定值附近稳定波动。论文首先介绍重介分选过程中的自动分流、自动补水、自动加介、桶位平衡等各个环节以及重介分选工艺流程,并详细分析在重介分选过程中精煤产品质量波动的主要影响因素,并将多种因素通过MSPC处理和分析。从硬件方面改善在线灰分仪本身存在的测量误差;从软件方面通过插值分析提高灰分数据准确性。重介分选过程灰分自动控制,通过工业现场试验并采集实时数据进行分析,得到插值分析法的参数,MSPC的主元成分,T2统计量图的边界范围,模糊神经网络算法的参数。分别通过MATLAB进行仿真,插值分析法可以代表原本数据90%以上,MSPC的主元分析法可以代表全部数据的80%以上,T2统计量图中的F分布边界可以明确的区别统计样本是否正常,模糊神经网络的密度预测模型,密度设定预测值与实际密度设定值误差较小,预测效果良好。本文采用AB生产的1769系列PLC为控制底层,上位机软件采用组态王为管理层,软件平台采用MATLAB、SQL数据库以及OPC服务器作为后台。控制底层与管理层采用4-20m A电流信号和Modbus/TCP和Modbus 485通讯协议实现数据传输,管理层与后台采用OPC通讯协议实现数据传输。本系统在汾西矿业集团中兴选煤厂试运行,试运行阶段运行效果良好,可以较好解决灰分闭环控制阶段中由于煤质波动、检测数据误差、控制时间滞后等问题,灰分的稳定性和合格率得到了很大的提高。
赵家荣[4]（2021）在《基于随机森林的固体氧化物燃料电池系统中阴极进气子系统流量特性建模与控制》文中指出固体氧化物燃料电池发电技术的高效、清洁的优势,有助于改善目前的能源结构,降低高能耗高污染的火电占比,补偿新能源发电的不稳定性。为了保证SOFC系统高效、经济、安全运行,精准快速地控制阴极进气系统的输出空气流量非常重要。空气供应直接影响电堆反应,流量响应不及时不仅造成效率下降,还会导致电堆受损。本论文基于Smith预估控制架构,采用随机森林算法对阴极进气系统的空气流量特性进行建模并构建基于此预测模型的Smith预估器,再结合神经网络PID控制器对输出空气流量的控制进行了相关的理论和实验研究,主要研究内容如下:（1）根据5-kW级固体氧化物燃料电池系统的设计规格和测试需求,设计并搭建了阴极进气系统实验台,包括漩涡风机、温湿度传感器、压力传感器和流量传感器等,并基于LabVIEW软件开发了阴极进气系统测控软件。试运行实验结果证明该实验台运行稳定,功能达到设计目标。为了获得阴极进气系统详细的输出空气流量特性性能数据进行了一系列的性能采集实验。（2）以数据驱动的模式,基于随机森林算法建立阴极进气系统空气流量特性模型,选取进出口的温湿度和压力以及电机转速共7个参数作为模型的输入参数,经过网格优化确认随机森林中决策树数量为592。随机选取性能数据的80%作为训练数据,20%作为测试数据。测试结果表明该模型可以有效提高空气流量的预测精度,最大误差小于10%。算法对比结果表明决策树类算法更适合阴极进气系统空气流量特性的建模。（3）针对阴极进气系统的非线性和时延特征,提出基于随机森林和神经网络PID的Smith预估控制策略,推导了控制算法并根据李雅普诺夫定理证明了控制系统的闭环稳定性。基于LabVIEW和Python实现了控制器并进行了一系列验证实验,取得了良好的控制效果。实验结果表明基于随机森林模型的Smith-神经网络PID控制策略的动态响应接近自然响应,改善了阴极进气系统延迟和非线性对控制的不良影响,超调量小于2%,稳态误差小于1%,具有较好的适应能力、抗干扰能力和鲁棒性,为将机器学习建模应用于精准空气供应控制提供一种实现方法。
廖拥文[5]（2021）在《神经网络控制器在火电厂中的应用》文中进行了进一步梳理在火电机组中,大多数被控对象具有大迟延、强耦合和时变特性,为了保证火电机组安全稳定运行,工程上常常使用较为保守的PID控制,难以实现较好的控制效果。随着分散控制系统（DCS）的应用,为智能控制算法在火电机组中的应用创造了条件。近年来,人工神经网络以其强大的函数拟合能力、自学习能力、泛化能力、良好的鲁棒性等诸多优点,在智能控制领域发挥了重要作用。因此,本文考虑将基于神经网络的智能控制方法用于火电机组的控制中。首先设计了基于神经网络的逆控制器,采集现场数据,训练出对象的逆模型作为控制器,并对其进行实时更新保证鲁棒性,为了解决实际对象广泛存在的迟延问题,设计了基于Elman神经网络的预估器。这种控制方法克服了实际工业现场时变和非线性的特性,有着良好的抗干扰能力,同时也解决了传统内模控制中逆控制器不易得到的问题,也不需要进行复杂的控制器参数整定,简单易行。将其运用于实际二号高加水位系统中,取得了良好的效果。另一种控制方案是基于强化学习的PID控制器,将强化学习算法与PID控制相结合,采用强化学习领域中的A3C算法框架,离线对动作网络进行训练,用动作网络来动态调节PID参数,得到基于强化学习的PID控制器。这种控制方案对传统的PID控制算法做出了改进,用动作网络对PID参数进行实时动态的调节,经过离线训练,动作网络学习到了对一类对象的PID参数调节规律,因此有着较好的鲁棒性,同时在一定程度上简化了控制器的设计。将该控制器运用于330MW协调控制系统中,有效减小了主汽压力的波动,并对煤质扰动有着良好的适应性。
乔艳丽[6]（2021）在《基于S7-300 PLC的油库计算机监控系统设计》文中认为油库是储存油料的基地,油库系统的稳定性和高效性直接影响着整个产业的工艺生产和经济效益。因此,设计一个安全高效的油库监控系统,对于提高油库生产效率和提升系统自动化监管水平是极其重要的。本课题以西安市某油库为研究对象,按照厂家要求和油库工艺特点确定了控制需求,设计了基于西门子S7-300 PLC和PROFINET与PROFIBUS-DP总线相结合的计算机监控系统设计方案。在确定总体方案的基础上,进行了系统硬件部分设计和软件部分设计,硬件部分采用了IPC+PLC+ET200M分站的架构形式,并对PLC模块和现场硬件设备进行了选型。软件部分采用King View 6.55设计上位监控计算机程序,运用STEP 7 V5.6完成PLC控制程序编写,使用Win CC Flexible 2008完成触摸屏程序设计。在油库工艺生产过程中,为实现对厂区供油管道内流量的恒定控制,本文根据管道内流量控制对象的特性,提出了基于BP神经网络PID的控制策略,并通过MATLAB仿真对比实验,验证了基于BP神经网络PID算法的优越性和可靠性。实际应用表明,本文设计的基于S7-300 PLC的油库监控系统稳定性高、可靠性强、控制效果显着,可以满足该油库监控自动化的需求。
梁得柱[7]（2021）在《基于智能控制的锅炉烟温自纠偏系统的研发及应用》文中提出四角切圆燃烧锅炉由于存在固有的残余旋转,在炉膛出口及水平烟道存在较为严重的两侧烟温、汽温偏差问题。这给锅炉的蒸汽参数控制带来极大的困难,不利于蒸汽温度的控制,同时也会影响过热器管壁及汽轮机运行的安全性。为解决烟温（汽温）偏差问题,寻找缓解烟温（汽温）偏差的手段和方法,本文以某电厂660MW锅炉为研究对象,对四角切圆燃烧锅炉的燃烧系统进行深入研究,分析导致烟温（汽温）偏差的原因。结合现场燃烧调整试验结果和运行人员的操作经验,引入闭环自动控制方式,最终实现了四角切圆锅炉实时动态烟温（汽温）自动纠偏。通过对某四角切圆锅炉历史运行数据的分析,引入了过热器总吸热量两侧偏差为衡量指标来准确、定量表征锅炉两侧的烟温（汽温）偏差状况。分析了众多锅炉运行因素与锅炉烟温（汽温）偏差的相关性关系,并在众多影响因素中以SOFA风风门开度作为实时动态烟温（汽温）自动纠偏的调节手段。针对SOFA风风门开度,本文通过对现场多个负荷点（共4个负荷点、30个工况）下的燃烧调整试验数据的分析,总结出通过锅炉上三层SOFA风风门开度协同作用可实现对锅炉两侧烟温（汽温）偏差的有效纠正调节。以锅炉SOFA风风量为控制变量,本文分别将神经网络控制方法与模型预测控制方法应用于锅炉两侧烟温（汽温）纠偏自动控制系统当中,并通过仿真试验对比两种控制方案的优劣。仿真结果表明,两种控制策略均能够降低锅炉左右两侧烟温（汽温）偏差,但模型预测控制策略控制效果更佳。在本文作者参与的采用模型预测控制策略实现锅炉实时动态烟温（汽温）自动纠偏应用案例当中,通过对过热器总吸热量两侧偏差,过热器两侧减温水量两侧偏差,高过出口汽温两侧温差等多个指标的分析,进一步证实了模型预测控制算法在锅炉燃烧系统烟温（汽温）自纠偏控制中的有效性和实用性。
汪依锐[8]（2021）在《基于PLC的锅炉供暖监控系统设计》文中提出传统燃气锅炉在控制方面存在精度不高、耗费人力、燃料浪费、安全系数低的问题。因此针对燃气供暖锅炉设计一个计算机自动控制系统,实现锅炉供暖自动运行,可以提高锅炉供暖的安全性和经济效益。本课题结合供暖需求,设计了基于西门子S7-300 PLC和PROFINET与PROFIBUSDP总线相结合的计算机监控系统方案,并在此基础上进行了硬件和软件设计。硬件部分采用IPC+PLC+ET200M分站的形式,对现场设备和PLC重要模块进行了选型并完成了电路设计;软件部分选用组态王软件设计了上位计算机监控程序,选用STEP 7 V5.5编写PLC控制程序,同时选用MCGS嵌入版设计触摸屏程序。在锅炉控制系统设计过程中,对汽包水位的控制采用三冲量水位控制法;在对蒸汽压力控制时,针对锅炉运行过程中的负荷变化大、干扰因素较多等问题,对传统的PID控制算法进行改进,加入了BP神经网络对PID参数在线整定,并利用Matlab软件对两种控制方式进行仿真对比,验证了BP神经网络PID控制算法的可靠性。实际运行过程表明,本次设计的控制系统控制精度高,安全性强,可以满足供暖需求。
钱治丞[9]（2021）在《基于STM32的施肥机控制器设计与实现》文中研究指明随着精准农业这一概念的提出,国内出现了水肥一体化施肥机。水肥一体化施肥机能够准确控制施肥量,减少劳动力。目前,水肥一体化施肥机与物联网技术结合程度低,浪费大量劳动力,同时我国农业电网在实际使用过程中会受到大功率设备影响,导致电压波动较大,无法准确控制施肥量。针对上述问题,本文对施肥机控制器硬件和软件进行设计。硬件上对现有无线通信方案进行改进,采用两种无线通信技术,实现平台远程监测控制施肥机。同时对施肥泵驱动电路进行改进,设计无刷直流电机施肥泵驱动电路。软件上使用BP神经网络PI控制方法控制施肥泵,使用滑动滤波测速方法提高施肥泵转速测量准确性。依据以上控制方法编写软件程序控制施肥泵,提高施肥泵运行稳定性,准确控制施肥量。通过搭建测试平台对上述功能进行测试,测试结果表明,使用滑动滤波转速测量方法可以提高施肥泵转速测量准确性。施肥机可以和平台稳定通信,本地手动和自动控制施肥机响应速度很快,平台远程控制有较小延迟,可以实时查看施肥机上传的数据。BP神经网络PI控制方法控制施肥泵,可以准确控制施肥量。经过测试各项功能均达到设计要求,能够实现平台远程监测控制,同时能够准确控制施肥量。
陈贵森[10]（2021）在《发动机燃烧实验系统测控设备的研制》文中指出随着航天技术研究的不断深入,航空航天获得了高速蓬勃的发展。它对我国的经济、领土安全以及日常生活有着十分重要的意义。随着科技的不断进步以及航天技术的不断发展,人们越来越重视研究人员的健康以及环境保护的问题。推进剂是运载火箭动力推进系统的动力源,而我国的推进剂多以肼类推进剂为主。硝酸羟胺（HAN）基推进剂没有污染,毒性小而且密度比冲较大,是一种绿色推进剂,是肼类推进剂的理想代替品。为了探究HAN基在何种环境下能够充分燃烧,本文设计并研发了发动机燃烧实验测控系统,通过不断调节各个控制阀以达到HAN基最佳的燃烧效果。同时,结合BP神经网络与PID控制算法的各自优点,探寻发动机燃烧实验测控系统中储罐内的压力、管道流量的最优控制。本文主要进行了以下的工作:首先,本文通过阅览和查询相关论文与文献,知晓目前的研究现状,了解发动机燃烧实验测控系统所需的相关技术,了解技术要点与难点。并探究PID控制算法、BP神经网络的原理,为后续的研究奠定基础。其次,本文对发动机燃烧实验测控系统的整体结构进行设计,并根据技术指标选择所需的硬件。依据设计需求,将发动机燃烧实验测控系统分为上位机与下位机。其中下位机采用西门子公司的S7-1500系列的可编程逻辑控制器,主要用来收集入口压力、管道流量、燃烧仓温度等数据以及控制各个调节阀,并进行数据处理和计算;上位机用来查看下位机采集的实时数据、计算数据和实时工况,还能控制各个调节阀的通断以及设定PID控制的期望值。画面的绘制选择Siemens公司的组态软件Win CC7.5。其中,两者之间的通讯采用Siemens的SIMATIC NET通讯软件,采用Transmission Control Protocol/Internet Protocol协议通信。本文探究了如何进行通信及开发环境参数设置。研发了测控设备的安全保障系统,该系统采用蜂鸣报警装置,当系统出现问题时蜂鸣报警装置闪烁报警并自动关机。在控制柜中设有紧急停止蘑菇红按钮确保出现紧急情况时能够让燃烧实验测控系统立即停止运行。基于此系统设计本文研究了如何在PLC中实现PID算法和参数调节。通过使用S7-1500系列PLC中的PID＿Compact模块对储罐压力进行自动控制。根据PID的原理以及查阅相关资料,知晓如何手动调节PID的三个参数以达到最佳控制效果。根据此方案本文分析探究了两种PID控制算法（Increment PID Control,Positional PID Control）的实现原理以及各自的长处、弊端和适合使用的场景。根据实际情况选择增量式PID,并依据MATLAB进行仿真发现PID有较好的控制效果。最后,本文探究了从神经元MP模型到感知器（MLP）、自适应神经网络（Adaptive Neural Network）以及最后的BP神经网络的相关模型原理。利用BP神经网络的优点,将BP神经网络与PID控制算法相结合,构建一个基于BP神经网络的PID控制算法。通过此算法对压力进行控制。通过最速下降法的学习方式对BP神经网络模型进行训练,利用训练好的模型计算出最合适的PID控制参数,PID控制器根据计算出的控制参数进行控制。进行仿真实验并与PID控制仿真结果进行比较,发现基于BP神经网络增量式PID控制算法使燃烧实验测控系统中压力控制模型的超调量更小、系统达到稳定的时间更短,具有更好的控制效果。
二、基于神经网络的自动控制系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于神经网络的自动控制系统（论文提纲范文）
（1）地铁盾构姿态智能化预测及其控制（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 盾构姿态预测研究现状 |
| 1.2.2 盾构姿态控制研究现状 |
| 1.3 研究思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 2 盾构姿态相关参数设计 |
| 2.1 盾构姿态预测相关参数设计 |
| 2.1.1 建立坐标体系 |
| 2.1.2 姿态测量方法 |
| 2.1.3 预测参数选取 |
| 2.2 盾构姿态控制相关参数设计 |
| 2.2.1 姿态偏差 |
| 2.2.2 盾构推力分析 |
| 2.2.3 姿态控制影响因素 |
| 2.2.4 指标筛选 |
| 2.3 样本处理 |
| 2.4 本章小结 |
| 3 基于组合方法的盾构竖向姿态预测 |
| 3.1 竖向姿态预测模型设计 |
| 3.2 基于EMD的盾构俯仰角序列分析与处理 |
| 3.3 基于BP神经网络的俯仰角预测模型 |
| 3.3.1 BP神经网络基本原理 |
| 3.3.2 俯仰角预测模型实现 |
| 3.4 基于支持向量回归的俯仰角预测模型 |
| 3.4.1 支持向量回归基本原理 |
| 3.4.2 俯仰角预测模型实现 |
| 3.5 组合预测模型 |
| 3.5.1 俯仰角预测模型优化 |
| 3.5.2 俯仰角预测模型融合 |
| 3.5.3 组合预测模型评价 |
| 3.6 本章小结 |
| 4 基于神经模糊推理的盾构竖向姿态控制 |
| 4.1 竖向姿态控制模型设计 |
| 4.2 自适应神经模糊控制基本原理 |
| 4.2.1 模糊推理系统 |
| 4.2.2 自适应神经模糊推理系统 |
| 4.3 俯仰角控制模型参数分析与处理 |
| 4.3.1 参数分析 |
| 4.3.2 变量划分 |
| 4.3.3 样本变量减法聚类 |
| 4.4 基于ANFIS的竖向姿态控制模型 |
| 4.5 本章小结 |
| 5 实例分析 |
| 5.1 案例背景 |
| 5.1.1 地质条件 |
| 5.1.2 水文条件 |
| 5.1.3 盾构掘进 |
| 5.2 盾构竖向姿态预测 |
| 5.2.1 数据选取与处理 |
| 5.2.2 单一模型融合 |
| 5.2.3 预测结果对比 |
| 5.3 盾构竖向姿态控制 |
| 5.3.1 数据选取与处理 |
| 5.3.2 模型训练 |
| 5.3.3 训练结果对比 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录一 研究生期间参与的课题及成果 |
| 致谢 |
（2）燃煤电站SCR脱硝系统先进控制技术研发与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的背景与意义 |
| 1.2 国内外研究现状与发展趋势 |
| 1.2.1 基于模型预测的SCR脱硝系统脱硝控制 |
| 1.2.2 模型自适应能力的研究 |
| 1.2.3 数据建模及仿真方法研究 |
| 1.3 本文研究内容和工作 |
| 第二章 SCR脱硝系统生产工艺、特性和常规控制 |
| 2.1 引言 |
| 2.2 SCR脱硝系统脱硝原理及结构组成 |
| 2.2.1 SCR脱硝系统反应机理 |
| 2.2.2 SCR脱硝系统喷氨装置 |
| 2.2.3 SCR脱硝系统氨烟混合装置 |
| 2.2.4 SCR脱硝系统脱硝反应器 |
| 2.2.5 SCR脱硝系统运行参数在线测量系统 |
| 2.3 SCR脱硝系统喷氨过程动态特性 |
| 2.3.1 喷氨分区“动态”调整特性 |
| 2.3.2 喷氨自动控制动态特性 |
| 2.4 神华国华寿光发电厂SCR脱硝系统脱硝常规控制方案 |
| 2.4.1 常规控制方案简述 |
| 2.4.2 常规控制方案品质分析 |
| 2.5 本章小结 |
| 第三章 燃煤电站SCR脱硝系统先进综合控制方案 |
| 3.1 引言 |
| 3.2 系统控制总体方案 |
| 3.3 基于Smith预估和状态变量补偿的SCR脱硝串级控制方案设计 |
| 3.3.1 改进的串级控制方案的内回路设计 |
| 3.3.2 主对象经Smith预估补偿后等效对象的状态重构及其反馈设计 |
| 3.3.3 改进的串级控制方案的主控制器设计 |
| 3.3.4 改进的串级控制方案性能的仿真验证 |
| 3.4 基于GPC反馈控制的改进串级控制方案设计 |
| 3.4.1 无约束GPC算法 |
| 3.4.2 有约束GPC算法 |
| 3.4.3 适合工程应用的γ增量型阶梯GPC算法 |
| 3.4.4 改进串级控制方案GPC主控制器设计与仿真验证 |
| 3.5 氨气流量智能前馈控制技术 |
| 3.5.1 消除入口NO_x扰动的动态补偿 |
| 3.5.2 消除NO_x分析仪测量失真扰动的动态补偿 |
| 3.5.3 智能前馈控制模型的自适应方法 |
| 3.6 本章小结 |
| 第四章 SCR脱硝系统脱硝先进综合控制技术工程应用 |
| 4.1 工程概述 |
| 4.2 硬件设计 |
| 4.2.1 设计原则 |
| 4.2.2 硬件配置和功能实现 |
| 4.3 软件设计 |
| 4.3.1 软件开发 |
| 4.3.2 控制方案工程设计 |
| 4.4 工程应用效果 |
| 4.4.1 实施过程 |
| 4.4.2 运行效果 |
| 4.4.3 经济效益定性分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结本文主要结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（3）重介分选过程灰分自动控制系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 重介灰分闭环控制方法研究现状 |
| 1.2.2 重介质分选系统方法研究现状 |
| 1.3 研究内容 |
| 第2章 影响重介分选过程中灰分自动控制的因素 |
| 2.1 重介质选煤概况 |
| 2.1.1 重介质选煤基本原理 |
| 2.1.2 重介质选煤设备 |
| 2.2 重介分选过程系统分析 |
| 2.2.1 重介选煤工艺流程 |
| 2.2.2 分选过程密度控制和灰分控制分析 |
| 2.3 重介分选灰分控制系统影响因素分析 |
| 2.3.1 系统参数影响分析 |
| 2.3.2 灰分仪测量数据误差分析 |
| 2.3.3 精煤产品灰分数据影响分析 |
| 2.4章节小结 |
| 第3章 重介分选过程灰分自动控制方案设计 |
| 3.1 重介分选灰分闭环控制模型构建 |
| 3.1.1 灰分闭环控制系统设计 |
| 3.1.2 灰分闭环控制系统的控制步骤 |
| 3.2 基于单变量统计过程控制研究 |
| 3.2.1 SPC基本原理应用以及控制图介绍 |
| 3.2.2 SPC控制图控制研究 |
| 3.3 基于MSPC的闭环控制研究 |
| 3.2.1 基于MSPC的主成分分析数据预处理研究 |
| 3.2.2 基于MSPC中T2图实时监测的研究 |
| 3.2.3 SPC 方法和MSPC 方法对比分析 |
| 3.4章节小结 |
| 第4章 重介分选过程灰分控制系统建模研究 |
| 4.1 重介分选控制过程变量分析 |
| 4.2 重介分选控制过程变量预处理 |
| 4.3 基于MSPC中主成分分析法数据处理应用 |
| 4.4 基于MSPC中T2图实时监测应用 |
| 4.5 基于模糊神经网络建立密度预测模型 |
| 4.5.1 模糊神经网络基本特征 |
| 4.5.2 模糊神经网络算法求解步骤 |
| 4.5.3 建立密度预测模型 |
| 4.6章节小结 |
| 第5章 重介质灰分回控系统应用与效果 |
| 5.1 灰分自动控制系统架构 |
| 5.2 灰分闭环控制硬件系统选型 |
| 5.2.1 传感器及执行装置的选型 |
| 5.2.2 PLC选型及服务器 |
| 5.3 灰分闭环控制软件系统研发 |
| 5.3.1 控制系统通讯搭建 |
| 5.3.2 上位机界面研发 |
| 5.4 灰分闭环控制系统应用效果 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（4）基于随机森林的固体氧化物燃料电池系统中阴极进气子系统流量特性建模与控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 课题国内外研究现状 |
| 1.2.1 阴极进气系统对电堆性能的影响 |
| 1.2.2 阴极进气系统建模与辨识 |
| 1.2.3 阴极进气系统流量控制 |
| 1.3 本论文的研究工作及章节安排 |
| 1.3.1 本文研究工作的主要内容 |
| 1.3.2 本文的章节安排 |
| 第2章 阴极进气系统设计 |
| 2.1 固体氧化物燃料电池系统 |
| 2.2 阴极进气系统硬件设计 |
| 2.2.1 部件选型 |
| 2.2.2 部件集成 |
| 2.3 阴极进气系统软件设计 |
| 2.4 阴极进气系统输出空气流量特性实验 |
| 2.4.1 实验设置 |
| 2.4.2 实验结果分析与讨论 |
| 2.5 本章小结 |
| 第3章 基于随机森林的阴极进气系统流量特性建模 |
| 3.1 随机森林算法 |
| 3.2 阴极进气系统流量特性建模 |
| 3.2.1 建模策略 |
| 3.2.2 结构参数优化 |
| 3.3 建模结果分析与讨论 |
| 3.3.1 随机森林模型预测结果 |
| 3.3.2 建模算法对比 |
| 3.4 本章小结 |
| 第4章 阴极进气系统流量控制策略设计 |
| 4.1 Smith预估控制原理 |
| 4.2 神经网络PID原理 |
| 4.2.1 BP神经网络的结构与算法 |
| 4.2.2 基于BP神经网络的PID控制 |
| 4.3 基于随机森林和神经网络PID的Smith预估控制算法 |
| 4.3.1 控制算法结构 |
| 4.3.2 权值更新 |
| 4.3.3 稳定性分析 |
| 4.4 本章小结 |
| 第5章 基于随机森林的阴极进气系统流量控制 |
| 5.1 基于LabVIEW和Python的控制器实现 |
| 5.2 控制器性能实验验证和结果分析 |
| 5.2.1 抗干扰能力实验 |
| 5.2.2 动态流量跟随实验 |
| 5.2.3 流量控制精度对比实验 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（5）神经网络控制器在火电厂中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 神经网络控制器研究现状 |
| 1.2.2 火电机组控制系统研究现状 |
| 1.3 本文主要内容和结构安排 |
| 第2章 神经网络逆控制器在水位控制中的应用 |
| 2.1 神经网络逆控制的基本原理 |
| 2.2 神经网络的建立及其在线更新 |
| 2.3 预测器的设计 |
| 2.4 仿真与验证 |
| 2.5 高加水位系统 |
| 2.6 小结 |
| 第3章 基于A3C算法的强化学习PID控制器 |
| 3.1 强化学习与DQN |
| 3.2 直接策略搜索算法 |
| 3.3 Actor-Critic(AC)算法 |
| 3.4 控制方案 |
| 3.5 协调控制系统 |
| 3.7 仿真与验证 |
| 3.8 小结 |
| 第4章 结论与展望 |
| 4.1 总结 |
| 4.2 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（6）基于S7-300 PLC的油库计算机监控系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题研究意义 |
| 1.4 论文研究内容 |
| 第二章 油库计算机监控系统总体方案设计 |
| 2.1 油库项目介绍 |
| 2.1.1 油库简介 |
| 2.1.2 工艺流程原理 |
| 2.2 油库监控系统需求分析 |
| 2.2.1 油库监控系统建设需求分析 |
| 2.2.2 监控系统变量分析与统计 |
| 2.3 油库监控系统总体设计方案 |
| 2.3.1 油库监控系统设计依据 |
| 2.3.2 油库监控系统总体架构 |
| 2.4 本章小结 |
| 第三章 油库监控系统硬件设计 |
| 3.1 油库监控系统硬件架构 |
| 3.2 监控系统硬件选型 |
| 3.2.1 上位监控计算机选型 |
| 3.2.2 PLC选型 |
| 3.2.3 传感器选型 |
| 3.2.4 触摸屏选型 |
| 3.3 控制系统硬件接线设计 |
| 3.4 监控系统控制柜设计 |
| 3.5 本章小结 |
| 第四章 油库系统控制策略研究 |
| 4.1 油库供油系统控制策略分析 |
| 4.2 BP神经网络PID控制器设计 |
| 4.2.1 PID控制器设计 |
| 4.2.2 BP神经网络设计 |
| 4.2.3 BP神经网络PID控制系统结构 |
| 4.3 系统仿真 |
| 4.3.1 流量控制系统建模 |
| 4.3.2 控制系统仿真及结果分析 |
| 4.3.3 MATLAB与组态王通讯方法 |
| 4.4 本章小结 |
| 第五章 油库监控系统软件设计 |
| 5.1 上位监控计算机软件设计 |
| 5.1.1 组态软件配置 |
| 5.1.2 登陆界面设计 |
| 5.1.3 主画面设计 |
| 5.1.4 实时参数画面设计 |
| 5.1.5 实时曲线画面设计 |
| 5.1.6 实时报警画面设计 |
| 5.1.7 实时报表画面设计 |
| 5.2 PLC程序设计 |
| 5.2.1 硬件组态与通讯设置 |
| 5.2.2 PLC主程序设计 |
| 5.2.3 PLC子程序设计 |
| 5.3 触摸屏程序设计 |
| 5.4 控制系统调试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（7）基于智能控制的锅炉烟温自纠偏系统的研发及应用（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 机组概况 |
| 1.2.1 锅炉概况 |
| 1.2.2 燃烧及制粉系统 |
| 1.3 四角切圆锅炉燃烧方式及烟温偏差原因 |
| 1.3.1 四角切圆燃烧方式 |
| 1.3.2 四角切圆锅炉烟温偏差的原因 |
| 1.4 炉膛出口烟温偏差的影响因素 |
| 1.4.1 锅炉结构设计因素 |
| 1.4.2 运行因素 |
| 1.5 现有锅炉烟温纠偏的主要方法及研究现状 |
| 1.6 研究内容及计划 |
| 2 两侧烟温(汽温)偏差评价指标及历史状况 |
| 2.1 锅炉两侧烟温(汽温)偏差的历史运行情况 |
| 2.2 锅炉两侧烟温(汽温)偏差的历史评价指标 |
| 2.3 新的烟温(汽温)偏差评价指标 |
| 2.4 新旧评价指标对比情况 |
| 2.5 本章小结 |
| 3 两侧烟温(汽温)偏差影响因素及锅炉燃烧调整试验 |
| 3.1 数据相关性分析方法 |
| 3.2 两侧烟温(汽温)偏差评价指标与锅炉运行参数的关系 |
| 3.2.1 与负荷的关系 |
| 3.2.2 与磨煤机运行的关系 |
| 3.2.3 与其他锅炉运行参数的关系 |
| 3.3 锅炉燃烧调整试验 |
| 3.3.1 以SOFA风风量为控制变量 |
| 3.3.2 上三层SOFA 风风门开度与SOFA 风风量的关系 |
| 3.3.3 上三层SOFA风风门协同控制对锅炉两侧烟温(汽温)偏差的作用 |
| 3.4 本章小结 |
| 4 基于BP神经网络控制策略的锅炉纠偏控制系统仿真 |
| 4.1 神经网络技术的发展及其各行业的应用情况 |
| 4.2 BP神经网络结构与算法 |
| 4.2.1 神经网络基本结构 |
| 4.2.2 多层感知机 |
| 4.2.3 激励函数 |
| 4.2.4 L-M算法 |
| 4.3 对电厂锅炉纠偏控制系统的模型辨识 |
| 4.3.1 电厂锅炉纠偏控制系统的模型辨识变量选择 |
| 4.3.2 辨识结果 |
| 4.4 纠偏控制系统神经网络控制策略 |
| 4.4.1 神经网络控制器建模原理 |
| 4.4.2 加有迟延算子的神经网络建模 |
| 4.4.3 神经网络控制器建模结果 |
| 4.5 基于神经网络控制策略的烟温纠偏系统的控制仿真 |
| 4.5.1 仿真过程机组负荷变化情况 |
| 4.5.2 以过热器总吸热量两侧偏差为被控变量的仿真试验结果 |
| 4.6 本章小结 |
| 5 基于模型预测控制策略的锅炉纠偏控制系统仿真与应用 |
| 5.1 模型预测控制发展概况及算法机理 |
| 5.2 模型预测控制策略在烟温(汽温)纠偏控制中的仿真效果 |
| 5.3 模型预测控制策略在烟温(汽温)纠偏控制中的应用实例 |
| 5.3.1 项目实施前后锅炉运行负荷对比 |
| 5.3.2 项目实施前后锅炉过热器总吸热量两侧偏差指标对比 |
| 5.3.3 项目实施前后高过出口汽温两侧温差对比 |
| 5.3.4 过热器减温水总流量偏差对比 |
| 5.3.5 模型预测控制烟温(汽温)自纠偏实际案例结果汇总 |
| 5.4 本章小结 |
| 6 总结及未来展望 |
| 6.1 成果总结 |
| 6.2 不足与未来展望 |
| 参考文献 |
（8）基于PLC的锅炉供暖监控系统设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外锅炉控制系统现状 |
| 1.2.2 国内锅炉控制系统现状 |
| 1.3 课题研究意义 |
| 1.4 论文研究内容 |
| 第二章 燃气供暖锅炉控制系统方案设计 |
| 2.1 锅炉供暖过程概况 |
| 2.1.1 供暖相关设备 |
| 2.1.2 燃气锅炉供暖工艺流程 |
| 2.2 控制系统需求分析 |
| 2.2.1 控制系统整体需求 |
| 2.2.2 燃气锅炉监控对象和点数统计 |
| 2.3 控制系统整体方案设计 |
| 2.3.1 控制系统设计原则 |
| 2.3.2 控制系统硬件架构 |
| 2.3.3 控制系统软件架构 |
| 2.4 本章小结 |
| 第三章 燃气供暖锅炉控制系统硬件设计 |
| 3.1 控制系统硬件组成 |
| 3.2 控制系统硬件选型 |
| 3.2.1 上位机硬件选型 |
| 3.2.2 PLC模块选型 |
| 3.2.3 触摸屏选型 |
| 3.2.4 传感器选型 |
| 3.3 控制系统硬件连接 |
| 3.3.1 电气电路图 |
| 3.3.2 控制系统硬件接线 |
| 3.4 现场控制柜设计 |
| 3.4.1 控制面板设置 |
| 3.4.2 模块安装 |
| 3.5 本章小结 |
| 第四章 锅炉供暖系统控制策略研究 |
| 4.1 汽包水位控制 |
| 4.2 炉膛压力控制 |
| 4.3 蒸汽压力控制 |
| 4.3.1 PID控制算法 |
| 4.3.2 PID控制器设计 |
| 4.3.3 BP神经网络控制算法 |
| 4.3.4 BP神经网络PID控制器设计 |
| 4.3.5 系统模型建立 |
| 4.3.6 系统仿真结果分析 |
| 4.3.7 Matlab与组态王通信连接 |
| 4.4 本章小结 |
| 第五章 燃气供暖锅炉控制系统软件设计 |
| 5.1 上位监控计算机设计 |
| 5.1.1 组态通讯配置 |
| 5.1.2 组态王变量添加 |
| 5.1.3 登录界面设置 |
| 5.1.4 主监控画面设计 |
| 5.1.5 报警画面 |
| 5.1.6 历史报表 |
| 5.1.7 状态曲线 |
| 5.2 PLC程序设计 |
| 5.2.1 PLC硬件组态及通信 |
| 5.2.2 符号表 |
| 5.2.3 控制主程序设计 |
| 5.2.4 控制系统子程序设计 |
| 5.2.5 程序调试运行 |
| 5.3 触摸屏编程设计 |
| 5.3.1 建立实时数据库 |
| 5.3.2 控制画面设计 |
| 5.3.3 MCGS与PLC通信 |
| 5.4 控制系统调试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（9）基于STM32的施肥机控制器设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 施肥机控制器设计方案及相关技术 |
| 2.1 施肥机功能需求分析 |
| 2.2 施肥机控制器的总体设计 |
| 2.3 无线通信技术 |
| 2.3.1 Lo Ra无线通信技术 |
| 2.3.2 NB-IoT无线通信技术 |
| 2.3.3 LTE Cat.1 无线通信技术 |
| 2.4 施肥泵闭环控制方法 |
| 2.4.1 无刷直流电机工作原理 |
| 2.4.2 无刷直流电机特性分析 |
| 2.4.3 双闭环控制方法设计 |
| 2.5 BP神经网络PI控制器的转速控制设计 |
| 2.5.1 普通PI控制器设计 |
| 2.5.2 BP神经网络PI控制器设计 |
| 2.5.3 BP神经网络PI控制器仿真试验 |
| 2.6 本章小结 |
| 第3章 施肥机控制器硬件电路设计 |
| 3.1 硬件电路总体设计 |
| 3.2 电源电路 |
| 3.3 单片机控制电路 |
| 3.3.1 微控制器选型 |
| 3.3.2 按键控制电路 |
| 3.3.3 RS-485 通信电路 |
| 3.3.4 NB-Io T通信电路 |
| 3.3.5 LTE Cat.1 通信电路 |
| 3.3.6 Lo Ra通信电路 |
| 3.3.7 增压泵控制电路 |
| 3.3.8 报警电路 |
| 3.4 电流检测电路 |
| 3.5 施肥泵驱动电路 |
| 3.5.1 MOS管选型 |
| 3.5.2 MOS管驱动芯片选型 |
| 3.5.3 施肥泵驱动电路设计 |
| 3.6 保护电路 |
| 3.6.1 母线电压检测电路 |
| 3.6.2 温度检测电路 |
| 3.7 电路板PCB设计 |
| 3.8 本章小结 |
| 第4章 施肥机控制器软件设计 |
| 4.1 施肥机控制器程序总体设计 |
| 4.1.1 程序功能结构设计 |
| 4.1.2 控制器程序执行流程 |
| 4.2 显示控制模块 |
| 4.3 无线通信模块 |
| 4.3.1 网络通信模块程序 |
| 4.3.2 LoRa通信模块程序 |
| 4.4 报警器模块 |
| 4.5 按键控制模块 |
| 4.6 施肥泵控制模块 |
| 4.6.1 高级定时器 |
| 4.6.2 系统滴答定时器 |
| 4.6.3 霍尔信号中断程序 |
| 4.6.4 电机转速计算 |
| 4.6.5 BP神经网络PI控制程序设计 |
| 4.7 安全检测模块 |
| 4.7.1 A/D信号采集 |
| 4.7.2 滤波处理 |
| 4.8 传感器模块 |
| 4.9 本章小结 |
| 第5章 施肥机控制器功能测试 |
| 5.1 施肥泵转速控制测试 |
| 5.1.1 单相测速和滑动滤波测速方法结果对比 |
| 5.1.2 普通PI 控制和BP神经网络PI 控制效果对比 |
| 5.2 网络通信测试 |
| 5.3 施肥机功能测试 |
| 5.3.1 平台搭建 |
| 5.3.2 手动控制测试 |
| 5.3.3 自动控制测试 |
| 5.3.4 测试结果分析 |
| 5.4 施肥机远程监测及控制测试 |
| 5.5 定量施肥测试 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录1 施肥机控制器原理图 |
| 附录2 施肥机控制器原理图 |
| 致谢 |
| 攻读学位期间取得学术成果 |
（10）发动机燃烧实验系统测控设备的研制（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内研究现状 |
| 1.3 国外研究现状 |
| 1.4 研究内容 |
| 2 燃烧实验系统测控设备设计 |
| 引言 |
| 2.1 燃烧实验系统测控设备结构设计 |
| 2.1.1 测控系统设计目标 |
| 2.1.2 I/O模块选型 |
| 2.1.3 性能指标 |
| 2.2 下位机测控和计算部分 |
| 2.2.1 PLC研发环境配置部分 |
| 2.2.2 高频喷火电磁阀部分 |
| 2.2.3 手动控制阀部分 |
| 2.3 上位机测控系统 |
| 2.3.1 WinCC软件介绍 |
| 2.3.2 WinCC参数配置 |
| 2.3.3 WinCC上位机画面 |
| 2.4 燃烧实验系统实验安全保障 |
| 2.5 本章小结 |
| 3 基于PID算法的压力闭环控制 |
| 引言 |
| 3.1 PID调节器 |
| 3.1.1 比例调节器 |
| 3.1.2 积分调节器 |
| 3.1.3 微分调节器 |
| 3.1.4 采样周期 |
| 3.2 位置式PID |
| 3.3 增量式PID |
| 3.4 燃烧实验系统PID控制部分 |
| 3.4.1 PID_Compact模块介绍 |
| 3.4.2 PID_Compact模块参数 |
| 3.4.3 PID参数手动调整 |
| 3.4.4 PID控制程序 |
| 3.5 PID的压力控制系统 |
| 3.6 本章小结 |
| 4 基于神经网络的PID压力控制 |
| 引言 |
| 4.1 神经网络 |
| 4.1.1 神经元MP模型 |
| 4.1.2 感知机 |
| 4.1.3 自适应神经网络 |
| 4.2 BP神经网络 |
| 4.2.1 BP神经网络原理 |
| 4.3 基于BP神经网络的PID压力控制系统设计 |
| 4.3.1 BP神经网络模型设计 |
| 4.3.2 BP神经网络参数初始化 |
| 4.3.3 基于BP神经网络PID仿真结果 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 硕士期间研究成果 |
| 致谢 |
四、基于神经网络的自动控制系统（论文参考文献）
- [1]地铁盾构姿态智能化预测及其控制[D]. 侯雅君. 西安建筑科技大学, 2021(01)
- [2]燃煤电站SCR脱硝系统先进控制技术研发与应用[D]. 刘同勇. 山东大学, 2021(12)
- [3]重介分选过程灰分自动控制系统研究[D]. 胡富月. 太原理工大学, 2021(01)
- [4]基于随机森林的固体氧化物燃料电池系统中阴极进气子系统流量特性建模与控制[D]. 赵家荣. 华北电力大学(北京), 2021(01)
- [5]神经网络控制器在火电厂中的应用[D]. 廖拥文. 华北电力大学(北京), 2021(01)
- [6]基于S7-300 PLC的油库计算机监控系统设计[D]. 乔艳丽. 西安石油大学, 2021(09)
- [7]基于智能控制的锅炉烟温自纠偏系统的研发及应用[D]. 梁得柱. 浙江大学, 2021(09)
- [8]基于PLC的锅炉供暖监控系统设计[D]. 汪依锐. 西安石油大学, 2021(09)
- [9]基于STM32的施肥机控制器设计与实现[D]. 钱治丞. 黑龙江大学, 2021(09)
- [10]发动机燃烧实验系统测控设备的研制[D]. 陈贵森. 东华大学, 2021(01)