一、基于BP神经网络的PID控制器的研究与实现(论文文献综述)
黄俊锋[1](2021)在《小深孔钻削的自适应控制方法研究》文中研究指明孔加工作为机械加工的基本工艺之一,在机械制造过程及加工工艺中具有无可替代的重要地位,其中小深孔加工是孔加工中重要分支,也是孔加工技术的难点。在小深孔加工过程中,钻头需要在封闭的环境中进行钻削,该加工技术是涉及断裂力学、热力学、材料力学等诸多理论的复杂动态变形过程,难以建立该过程的精确数学模型,从而导致经典的控制方法很难控制复杂多变的钻削状态,因此研究小深孔钻削过程的状态检测方法及自适应控制策略具有深远的意义。本课题以Cortex-A9微处理器和嵌入式Linux系统为核心,建立了基于高速钢麻花钻的钻削控制系统,通过获取小深孔钻削过程中的钻削力与钻削电流等状态参数,基于经典的PID控制算法实现钻削过程的自适应控制,并利用神经网络算法对控制算法进行了优化。首先,搭建了小深孔钻削控制平台,通过剪裁和修改Linux操作系统的内核及根文件系统,并编写相关驱动程序,使其满足钻削控制平台的功能需求。再利用Qt设计了多窗口的GUI控制程序,并通过可触摸的LCD显示屏实现了钻削控制平台的人机信息交互,确保了钻削控制系统的简洁易操作性。然后,利用搭建的钻削平台采集样本数据,即通过信号的放大滤波和离散量化等方法,获取实时的钻削力及钻削电流数据。以钻削轴向力为优化控制目标,利用专家PID控制算法控制钻削进给速度,用以抑制轴向力在加工过程中的随机波动,再将BP神经网络算法与专家PID控制算法相结合,实现PID控制参数的在线整定,从而提高钻削控制系统的普适性。最后,通过分析轴向力、切向力两个钻削分力与钻削驱动电流的信号特征,提取特征参量构建训练样本,通过PSO-BP神经网络优化算法建立深孔钻削的钻削力辨识模型,并将训练好的钻削力辨识模型参数移植到Linux控制系统中。在钻削过程中,利用实时获取的钻削驱动电流信号,对钻削力进行在线辨识,再以钻削力辨识值为基础,对进给速度进行自适应控制,从而实现小深孔加工过程中的在线优化控制。钻削实验与测试结果表明,钻削控制系统的功能模块组件能够正常工作,本文给出的专家PID控制算法可以使轴向力保持在较小的浮动范围内,避免因钻削轴向力突变而导致的工件和钻削刀具损坏,结合BP神经网络的在线参整定后,提高了钻削控制系统的普适性,通过PSO-BP网络算法获得的钻削力辨识模型,与真实轴向力具有很好地拟合效果,较好的实现了小深孔钻削加工的在线自适应控制。
姜珊[2](2021)在《无人机光电系统视轴稳定方法研究》文中研究说明无人机对地面目标进行侦察、瞄准时,机上光电跟踪系统通常会受到载体姿态变化和平台自身运动部件等内外力矩的干扰,引起视轴抖动,造成目标图像晃动和不清晰。为了保证光电系统视轴稳定平台在惯性空间指向稳定并隔离扰动,需要采取有效的控制方法来提高系统的稳定性能。本文围绕无人机光电系统视轴稳定平台控制方法开展研究,着重对经典PID控制器参数的阶次及经典PID控制器参数自整定方法进行深入分析,分别设计分数阶PID控制器和BP神经网络PID控制器,并将控制性能较优的控制算法进行硬件性能实现及硬件系统测试。研究主要内容如下:(1)对光电系统视轴稳定平台的结构、运动学和动力学进行了分析和系统建模。依据光电系统视轴稳定平台的性能要求,选取两轴两框架稳定结构,建立基座、俯仰框架和方位框架间的坐标系,推导坐标系间的变换矩阵;通过对稳定平台结构的运动学分析,建立平台轴系间角速度、角加速度、转动惯量和力矩间的动力学模型;通过对视轴稳定回路的分析,计算回路各环节传递函数的数学模型,为视轴稳定控制器的设计奠定了基础。(2)光电系统视轴稳定平台分数阶PID控制算法研究。对经典PID控制器参数中微分和积分项的阶次进行了深入分析和研究,依据分数阶微积分理论,采用Oustaloop近似滤波法设计了分数阶PID控制器。通过仿真实验,验证了分数阶PID控制器相比较于经典PID控制器控制性能更显着。针对外部扰动,将基于速率的扰动观测器(VDOB)引入到视轴稳定回路中,设计了分数阶PID与VDOB的复合控制方法。通过仿真实验验证了引入VDOB能够有效隔离低频信号对视轴稳定回路的扰动,提高系统的控制性能。(3)视轴稳定平台BP神经网络PID控制算法研究。对经典PID控制器参数自整定的方法进行深入分析和研究,将目前主流的BP神经网络算法的输出值作为PID控制器的参数值,设计了 BP神经网络PID控制器。通过搭建仿真实验平台进行仿真实验,验证了BP神经网络PID控制器相比较于经典PID控制器实现了参数在线自动调整的同时,提高了系统的动态性能。最后通过隔离度对分数阶PID控制器和BP神经网络PID控制器的控制性能进行对比,得到了分数阶PID控制器的性能优于BP神经网络PID控制器。(4)视轴稳定分数阶PID控制算法的FPGA实现及系统的实验验证。对控制性能优良的分数阶PID控制算法进行了算法简化,并在FPGA上实现了算法性能。最后对所设计的视轴稳定平台分别从硬件实验测试、启停实验测试、摇摆实验测试和稳定精度实验测试进行了实验验证,实验结果表明,所设计的分数阶PID控制方法的稳定精度为46.1μrad,满足系统指标要求,有效提高了视轴稳定系统的控制性能。
苏瑜[3](2021)在《通信卫星载波相位时间频率传递方法研究》文中指出引力波探测、相对论效应验证、空间飞行器交互对接等前沿技术领域对高精度时频基准提出了频率稳定度优于E-16/天的应用需求。原子钟产生的频率稳定度优于E-18/天的时频基准信号,需要通过光纤、卫星等传递方式,将时频信号送达给用户使用。卫星传递因其覆盖范围广、连续可用等优势,成为时频信号传递的主要方式。但是,目前基于卫星的时频信号传递的频率稳定度最高为E-15/天,不能够满足前沿技术领域的应用需求,不能够充分利用原子钟高稳定的频率资源。论文针对此问题,依托国家授时中心建设的转发式卫星导航试验系统,开展了基于GEO通信卫星的高精度载波相位时频传递方法研究,实现了频率稳定度为E-16/天时频传递,满足了引力波探测等应用需求。论文的主要研究成果和创新点如下:(1)给出了GEO通信卫星载波相位时间频率传递方法在单向、双向两种工作模式下的传递模型,分析了两种工作模式下信号传播路径时延的误差因素及影响量级,并给出了主要误差的修正方法。(2)针对GEO通信卫星转发对时间频率传递载波频率产生的影响,提出了一种单站闭环的GEO通信卫星转发器本振频率的测量方法,对GEO通信卫星转发器本振性能进行了分析。结果表明GEO通信卫星转发器本振频率存在类正弦的变化趋势,其准确度在E-8量级,稳定度在E-8/10000s量级,部分GEO通信卫星还存在快速调频现象,导致用户接收机接到的时频传递微波信号载波性能恶化,载波相位观测量无法直接应用。(3)提出一种添加动量项的BP神经网络PID控制算法,对地面产生的时频传递信号的载波频率进行控制,补偿卫星转发器引入的影响。实测结果表明,该控制方法具有响应时间短、跟踪过程振荡小、参数自整定的特点,消除了GEO通信卫星本振的正弦变化趋势,使用户接收的时频传递信号载波频率性能提升了3到5个数量级。(4)基于转发式卫星导航试验系统,开展了GEO通信卫星单向、双向两种工作模式下的零基线时间频率传递试验,采用C波段工作频率,对载波相位时间频率传递性能进行了验证。实测结果显示,采用载波相位获得的时间传递精度相对于伪码提高了1个数量级;单向载波相位时间频率传递的频率稳定度为2.07×10-14/10000s;双向载波相位时间频率传递的频率稳定度分别为1.29×10-14/1000s,1.21×10-15/10000s,8.07×10-16/20000s。
乔艳丽[4](2021)在《基于S7-300 PLC的油库计算机监控系统设计》文中研究表明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。
周裕文[5](2021)在《基于QUATRE算法的温度PID控制方法研究》文中指出PID(Proportional–Integral–Derivative)控制器是现代工程控制中最具代表性的控制方式,以其简易模型、高可靠性而经久不衰。但是随着时代的发展,工业控制的对象复杂性日益增长,控制精度的要求与日俱增,尤其是以火电厂、化工厂、炼钢厂等工业中温度控制为代表的具有大滞后、非线性的控制对象。传统的PID控制已经不能满足控制的需要。本文提出基于一种交流策略的并行QUATRE(QUasi-Affine TRansformation Evolutionary)算法的PID整定方法,并将其应用于电炉温度控制系统中。同时针对电炉温度智能控制方法,分别提出了采用本文交流策略的并行QUATRE优化的模糊PID控制和BP(back propagation)神经网络PID控制器。本文主要工作有以下几个方面:(1)针对原始QUATRE算法易陷入局部最优解的特点,提出了一种交流策略的并行算法。为了验证本文提出交流策略的并行QUATRE的可行性,采用四种测试函数对提出并行QUATRE算法、原始QUATRE算法和标准粒子群算法进行了函数的测试实验,实验的结果验证了改进QUATRE算法的寻优性能。(2)针对PID控制精度和效率需求。提出了基于本文交流策略的并行QUATRE算法的PID参数整定方法。结合了电炉温度控制数学模型,建立了电炉温度控制的常规PID控制仿真模型,通过提出的方法进行被控对象的仿真,与采用传统的Z-N(Ziegler–Nichols)法整定进行比较验证智能算法的优越性,同时也与标准粒子群算法进行仿真实验对比,实验结果表明应用本方法的电炉温度控制性能相对优秀。(3)针对模糊PID量化参数没有系统设置方法导致控制效果不佳的问题。提出了基于改进QUATRE算法的模糊PID控制器。对本文的电炉温度控制模型,设计了模糊PID控制器,并采用该算法结合模糊PID控制器,对量化因子和比例因子进行了优化。通过电炉温度数学模型进行了仿真验证,对比了采用经验法得到了一组量化参数模糊PID控制器和Z-N整定法的常规PID控制器仿真效果对比。(4)针对本文的电炉温度控制系统,设计了BP-PID神经网络控制器。针对BP神经网络易陷入局部解,导致控制精度不高的问题,提出基于改进QUATRE算法的BP神经网络PID控制器。采用改进QUATRE算法针对BP神经网络初始权值进行整定。通过温度控制模型的仿真实验对比常规BP-PID控制器和Z-N工程整定法的PID控制器在温度控制上的仿真实验结果,验证了其良好的性能,分析总结本文所有控制策略,针对本文的控制模型推荐策略做了对比。
孙建其[6](2021)在《基于FPGA的皮肤打印机控制系统设计与研究》文中指出近年来,因烧伤、交通事故等原因,皮肤损伤或功能缺失的病例数量持续上升,生物再生材料和移植皮肤的缺口逐年增加,这对我国健康医疗事业提出了新的挑战。因此,在十四五规划中,国家将生命科学和信息技术上升到国家科技战略层面,期望研发新技术以改变传统的自体移植皮肤烧伤治疗方案。在此基础上,3D生物打印技术逐渐兴起,被广泛的应用于皮肤组织再生领域,为皮肤烧伤治疗提供了新方向。然而,现有的3D生物打印技术在皮肤打印的稳定性和打印速度方面还不理想。针对现有问题,本文将设计一款专用于打印皮肤的3D打印机控制系统,加快打印速度,提高打印的稳定性。主要研究内容如下:(1)设计了生物3D皮肤打印机的硬件结构。以FPGA为主控制器,设计了其外围电路、雾化电路和加热电路,同时采用电磁阀和气压挤出相结合的方式解决了现有打印机的拖尾和出料不均匀的问题。(2)实现了基于遗传算法优化神经网络的步进电机转速控制方法。本文利用基于遗传算法优化神经网络的PID控制器来实时调节步进电机的转速,改善了传统PID控制器只能应用于线性和时不变的工作场景,解决了现有打印机的速度和稳定性的问题。同时将训练好的网络在FPGA上实现,利用FPGA并行性和流水线的特性,大大提高了算法的运行速度,节约了功耗。(3)构建了基于FPGA的生物3D皮肤打印软件控制系统。本文利用FPGA并行性和流水线的特性,在FPGA上设计了打印机的软件控制系统,提高了系统的速度和稳定性,缓解了电机在快速启动和停止过程中造成的电机磨损问题。主要包括系统的通信模块、加减速控制器以及神经网络在FPGA上实现。(4)完成了生物3D皮肤打印机集成测试。研究了0-60℃温度范围内的系统温控精度,使温控精度达到0.3℃以内;对PC端和FPGA的通信进行重复实验,证明了系统通信正确性以及稳定性;最后研究了实物打印方法,打印时间缩短近10%;明显改善了打印线条和皮肤支架的稳定性
韩愈[7](2021)在《基于PSO-BP算法的黑体辐射源温控系统的应用研究》文中研究表明在测温技术领域中黑体辐射源是用来校准辐射测温仪器装置,对其温度的高精度控制尤为重要。目前黑体常用的控温算法为PID,由于黑体应用于不同场合以及温度控制要求不断提高,传统PID控制算法不能很好的满足控制需求。因此,本文通过对黑体辐射源温控系统进行研究分析,改进其温度控制算法使其满足更高的实际应用要求。根据课题要求,设计一套温控系统分别控制面源黑体以及空腔型黑体,本文制冷控制对象是一个直径为10mm,厚度为4mm的镓点面源黑体,由于体积较小,受环境等其它因素的影响较大,对其温度控制有一定的困难。目前市面上存在的控制器大都采用PID控制,难以满足课题研究的要求,所以本文重新设计了一个基于单片机Arduino mega 2560的温度控制器,同时改进温控算法以达到其温度控制的要求。以及在对腔体黑体升温模式的控制中,采用传统的PID控制器在控制精度以及稳定性方面难以取得满意的控制效果。针对以上问题,本文在充分分析黑体辐射源的工作原理和提高精度的基础上,将粒子群BP神经网络算法与PID算法结合并应用于黑体的温控系统中。本文首先介绍了面源黑体的基本结构和性能要求,然后对系统的升温以及降温过程进行研究分析,利用MATLAB软件对系统进行参数辨识,最终得到黑体辐射源升温和降温的数学模型。其次,对粒子群BP神经网络PID算法的原理进行介绍,并将其和其它几种算法通过MATLAB/simulink对系统升温及降温的仿真结果进行比较分析。由仿真结果可知,基于粒子群BP神经网络的PID算法具有超调小、精度高、和调节时间短等优点。最后设计并搭建温度控制系统硬件平台,以Arduino mega 2560单板机作为温度控制器,通过离线训练方式将粒子群BP神经网络PID控制算法应用于黑体温控系统,并与标准黑体的传统PID控制效果比较,可得粒子群BP神经网络PID算法较于传统PID算法,具有超调小、精度高和调节的时间短等优点,提高了黑体的控温品质。
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。
樊玉和[9](2021)在《高精度油水界面自动检测系统的研究》文中研究表明原油是我国国民经济发展不可或缺的重要能源,从新开采的原油到现实生活中的成品油,需要经过固体杂质分离、气体杂质分离、原油与污水分离等过程,其中油水分离过程仍然是国内外研究人员的一项难题。虽然国内外研究人员在油水界面检测中取得了一定成果,但是原油与污水之间的界面检测与油水分离控制系统仍然需要进一步改进。针对现有的油水界面检测方法精确度不高的问题,本文采用改进K-means图像分割算法来获取原油与污水之间的界面;针对传统PID控制器作为油水分离控制系统的控制器不能满足实际油水分离控制效果的问题,本文采用BP神经网络学习算法自动调整增量式PID控制器的、4)和((9)三个参数,实现油水分离罐中排水阀开度大小的合理控制。本篇论文主要贡献体现在以下几个方面:(1)采用模板匹配的方法,定位油水界面位置以及观察油水界面之间乳化层周围的液包分布;采用改进的Canny边缘检测算子,检测油水界面边缘信息;采用Seed Filling区域距离算法,计算油水等效界面与图像上边界的距离。(2)采用CNCS-Kmeans硬聚类算法,并将其应用在油水界面检测中的图像分割实验。通过Python软件Open CV计算机视觉库,将CNCS-Kmeans硬聚类算法、经典K-means硬聚类算法和高斯混合模型的EM算法优化的软聚类算法(GMM-EM)分别应用在油水界面检测图像分割的过程。结果表明,本文采用的CNCS-Kmeans硬聚类算法应用在油水界面图像分割时,可以减少算法的训练次数和运行时间,具有较好的全局分割效果。(3)在油水分离过程中,本文采用BP神经网络PID控制排水阀开度大小,实现对油水界面位置高度的有效跟踪。通过在Simulink模块下对模型建模与仿真,并且通过实际油水界面实验环境及平台的搭建。仿真和实验结果表明,本文采用的BP神经网络PID控制器应用在油水分离过程时,油水界面跟踪效果好,并且提高了系统的可靠性、准确性,适应于油水分离的控制系统。
张文锴[10](2021)在《基于ADRC的破茬装置主动避障控制系统研究》文中指出云南地区耕地石漠化严重,保护性耕作仍处于发展阶段,北方现有的成熟破茬装置在该地区无法直接使用。在石漠化地区进行破茬作业时,由于裸露基岩和砾石会对破茬装置造成损坏。因此,设计一种主动避障破茬装置控系统对于提高破茬装置在云南石漠化地区的使用寿命和效率具有重要意义。本文采用液压转向系统和伺服提升系统来对不同大小的障碍物进行避障,并结合自抗扰控制技术以及BP模糊神经网络对两个系统进行优化。本文主要研究内容如下:(1)根据障碍物大小的不同采用了两种避障控制策略:对于较大的障碍物使用超声波传感器模组进行检测,通过液压转向控制系统实现避障;对于较小的障碍物使用红外传感器进行检测,通过伺服提升控制系统实现避障。对于超声波传感器模组和红外传感器进行了理论分析,确定了障碍物位置信息的计算方法。对液压转向控制系统和伺服提升系统的结构和工作原理进行了分析,分别建立了两个系统的数学模型,结合实际作业要求,对两个控制系统的相关参数进行了整定,最终得到了两系统的传递函数。利用Matlab软件中的Simulink模块对两系统进行仿真,获得了两种控制系统的伯德图和单位阶跃响应曲线,分别对两个系统的动、静态性能进行了分析研究。(2)传统的PID控制器存在一定的弊端,因此本文选择使用自抗扰控制器(ADRC)对液压转向系统和伺服提升系统进行控制。通过利用Simulink中的S函数模块实现自抗扰控制器的搭建。由于推导所得的液压转向控制系统是一个高阶非线性控制系统,因此对该系统分别建立了三阶自抗扰控制器和二阶自抗扰控制器,通过Simulink对两个控制器进行仿真分析。仿真结果表明:二阶控制器上升时间为0.054s,超调量为8%,调节时间为0.379s。对比于三阶ADRC有更好的控制效果和更少的待调参数,因此本文选择利用二级自抗扰控制器来控制液压转向控制系统。伺服提升系统是一个二阶系统,因此选择使用二阶自抗扰控制器对该系统进行控制。通过调试最终确定了液压转向自抗扰控制器和伺服提升自抗扰控制器的相关参数。(3)自抗扰控制器虽然较之于PID控制器各项性能都有很大提升,但是其本身也存在参数众多调节困难的问题,本文利用模糊算法和BP神经网络对自抗扰控制器的NLSEF部分进行参数优化,提出了基于BP模糊神经网络的自抗扰控制策略。在Simulink中分别对两个系统搭建了PID控制器、自抗扰控制器、模糊自抗扰控制器和基于BP模糊神经网络的自抗扰控制器,并进行了仿真试验。仿真结果表明:利用BP模糊神经网络算法优化过的液压转向自抗扰控制器的上升时间为0.052s,超调量为7%,达到稳态所用时间为0.373s,在有噪声信号干扰时调整时间为0.1s;利用BP模糊神经网络算法优化过的伺服自抗扰控制器的上升时间为0.059s,超调量为0.1%,调节时间为0.282s,在有噪声信号干扰时调节时间为0.01s。相较于传统的PID控制和ADRC控制方法,本文优化过的控制方法对液压转向系统和伺服提升系统均具有更小的超调量、更快的动态响应速度和更优的稳态精度。(4)对伺服提升系统进行了半实物仿真平台搭建,利用OPC通讯技术实现组态王软件、PLC和MATLAB/Simulink模块的数据交互,实现了BP模糊神经网络自抗扰控制器对伺服电机的实物控制。对控制系统性能进行测试,测试结果表明该控制系统在实物控制中仍有较好的控制效果,超调量在8%~10%,调整时间小于1s,于理论分析结果基本一致,在误差允许范围内能满足设计要求。
二、基于BP神经网络的PID控制器的研究与实现(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BP神经网络的PID控制器的研究与实现(论文提纲范文)
(1)小深孔钻削的自适应控制方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 研究背景及意义 |
§1.2 国内外研究现状及发展趋势 |
§1.3 本文的研究内容和结构安排 |
§1.3.1 本文的研究内容 |
§1.3.2 本文的结构安排 |
第二章 系统总体方案设计及研究 |
§2.1 系统总体设计方案 |
§2.2 麻花钻模型结构的研究 |
§2.3 ARM嵌入式的研究 |
§2.3.1 ARM嵌入式的发展 |
§2.3.2 Linux操作系统 |
§2.4 钻削控制理论的研究 |
§2.4.1 PID控制方法 |
§2.4.2 BP神经网络算法的研究 |
§2.5 本章小结 |
第三章 钻削控制系统的设计 |
§3.1 小深孔钻削控制系统的硬件设计 |
§3.1.1 钻削控制系统的控制电路设计 |
§3.1.2 钻削控制系统的信号采集电路设计 |
§3.1.3 钻削控制系统的电源电路设计 |
§3.2 钻削控制系统的机械结构设计 |
§3.2.1 钻削力测试的机械结构设计 |
§3.2.2 钻削实验平台的机械结构设计 |
§3.3 钻削控制平台的软件设计 |
§3.3.1 Linux驱动程序的设计 |
§3.3.2 基于Qt的钻削控制交互界面设计 |
§3.4 钻削控制系统的测试结果 |
§3.4.1 信号噪声的抑制方法测试 |
§3.4.2 电机驱动功能的测试验证 |
§3.4.3 钻削力与驱动电流的测试 |
§3.5 本章小结 |
第四章 小深孔钻削过程的自适应控制研究 |
§4.1 自适应控制方法的研究 |
§4.2 面向小深孔钻削的专家PID控制器设计 |
§4.2.1 基于经典PID的钻削控制器设计 |
§4.2.2 基于专家PID的钻削控制设计 |
§4.3 基于神经网络的PID优化设计 |
§4.3.1 基于BP神经网络的在线整定研究 |
§4.3.2基于Linux系统的BP神经网络实现 |
§4.4 钻削自适应控制的测试验证 |
§4.4.1 自适应阈值控制与专家PID控制测试研究 |
§4.4.2 基于BP神经网络的专家PID控制测试研究 |
§4.5 本章小结 |
第五章 基于在线辨识的自适应优化控制 |
§5.1 钻削力辨识方法的研究 |
§5.1.1 钻削电流与钻削力的特征分析与处理 |
§5.1.2 基于BP神经网络的钻削力辨识 |
§5.2 基于PSO-BP的钻削力优化辨识方法研究 |
§5.2.1 粒子群优化算法原理 |
§5.2.2 基于PSO-BP的钻削力辨识 |
§5.3 基于钻削力辨识的自适应控制研究 |
§5.4 本章小结 |
第六章 总结与展望 |
§6.1 总结 |
§6.2 展望 |
参考文献 |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(2)无人机光电系统视轴稳定方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 论文研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 光电系统视轴稳定平台国内外研究现状 |
1.2.2 视轴稳定控制方法国内外研究现状 |
1.3 主要研究内容 |
1.4 主要章节安排 |
2 光电系统视轴稳定平台分析和建模 |
2.1 光电稳定平台系统组成 |
2.1.1 光电系统视轴稳定平台结构分析 |
2.1.2 两轴两框架视轴稳定平台系统组成 |
2.1.3 光电系统视轴稳定平台性能评价方法 |
2.2 视轴稳定平台运动学分析和动力学建模 |
2.2.1 空间坐标系定义 |
2.2.2 视轴稳定平台运动学分析 |
2.2.3 视轴稳定平台动力学建模 |
2.3 影响平台性能的扰动因素分析 |
2.3.1 力矩扰动 |
2.3.2 速率扰动 |
2.4 视轴稳定平台系统设计 |
2.4.1 视轴稳定控制系统原理 |
2.4.2 视轴稳定系统传递函数模型 |
2.5 本章小结 |
3 视轴稳定系统分数阶PID控制方法研究 |
3.1 分数阶微积分理论 |
3.1.1 基本函数 |
3.1.2 分数阶微积分定义及性质 |
3.1.3 分数阶控制系统描述 |
3.2 视轴稳定系统分数阶PID控制器设计 |
3.2.1 分数阶PID控制器描述 |
3.2.2 分数阶PID控制器模型微积分算子近似解及离散化 |
3.2.3 分数阶微积分环节s~(±(?))的频域性质 |
3.3 分数阶PID控制系统仿真平台的搭建及性能分析 |
3.3.1 分数阶PID控制器微积分模块 |
3.3.2 分数阶PID控制系统仿真平台 |
3.3.3 分数阶PID控制系统参数整定 |
3.3.4 分数阶PID控制器仿真分析 |
3.4 基于扰动观测器的分数阶PID控制器设计及分析 |
3.4.1 基于速率的扰动观测器 |
3.4.2 引入VDOB的分数阶PID控制系统仿真研究 |
3.5 本章小结 |
4 BP神经网络PID控制方法研究 |
4.1 神经元 |
4.1.1 单神经元模型 |
4.1.2 激活函数 |
4.1.3 神经元的连接拓扑 |
4.1.4 神经元网络学习方式 |
4.2 BP神经网络 |
4.2.1 BP神经网络结构 |
4.2.2 BP神经网络学习算法 |
4.2.3 BP神经网络的特点 |
4.3 BP神经网络PID控制器设计 |
4.3.1 数字PID控制 |
4.3.2 BP神经网络PID控制原理 |
4.3.3 BP神经网络PID控制算法流程 |
4.4 BP神经网络PID控制系统仿真平台设计及分析 |
4.4.1 S函数 |
4.4.2 BP神经网络PID控制器仿真分析 |
4.5 本章小结 |
5 视轴稳定控制器FPGA实现及系统实验验证 |
5.1 分数阶PID控制算法离散化及简化 |
5.1.1 分数阶PID控制算法的离散化 |
5.1.2 分数阶PID控制算法的简化 |
5.2 分数阶PID控制算法硬件架构设计 |
5.2.1 寄存器模块 |
5.2.2 查找表模块 |
5.2.3 计算矩阵A模块 |
5.2.4 控制模块 |
5.3 分数阶PID控制算法仿真及时序分析 |
5.3.1 仿真分析 |
5.3.2 时序分析 |
5.4 视轴稳定控制系统实验验证 |
5.4.1 硬件电路测试实验 |
5.4.2 启停特性实验 |
5.4.3 摇摆实验 |
5.4.4 视轴稳定控制器参数测试 |
5.5 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读硕士学位期间发表的论文及成果 |
致谢 |
(3)通信卫星载波相位时间频率传递方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 时频基准研究现状 |
1.2.2 时间频率传递方法研究现状 |
1.2.3 频率控制方法研究现状 |
1.3 论文的主要工作与内容安排 |
第2章 时频信号性能分析与PID控制方法基础 |
2.1 时频信号性能分析基础 |
2.1.1 频率准确度 |
2.1.2 频率稳定度 |
2.1.3 频率稳定度的时域分析 |
2.2 PID控制方法 |
2.2.1 PID控制算法与实例仿真 |
2.2.2 BP神经网络PID控制算法 |
2.3 本章小结 |
第3章 基于卫星的时间频率传递方法研究 |
3.1 GNSS系统单向时间频率传递方法 |
3.2 卫星双向时间频率传递方法 |
3.3 通信卫星载波相位时间频率传系统方法 |
3.3.1 单向载波相位时间频率传递方法 |
3.3.2 双向载波相位时间频率传递方法 |
3.4 本章小结 |
第4章 通信卫星载波相位时间频率传递误差分析及改正方法研究 |
4.1 时间频率传递信号传播过程分析 |
4.1.1 单向传播过程 |
4.1.2 双向传播过程 |
4.2 时频信号传播过程引入的载波频率性能恶化因素分析 |
4.2.1 影响载波频率的因素分析 |
4.2.2 多普勒对载波频率准确度的影响 |
4.2.3 卫星转发器本振对载波频率准确度的影响 |
4.2.4 下行接收信号载波频率性能分析 |
4.3 设备时延误差 |
4.3.1 地面站发射设备和接收设备时延误差与测量方法 |
4.3.2 综合基带开关机不一致性时延误差和校准方法 |
4.3.3 卫星转发器时延误差 |
4.4 空间传播路径时延误差及改正方法 |
4.4.1 电离层误差分析及改正方法 |
4.4.2 对流层误差分析 |
4.5 SAGNAC误差分析及改正方法 |
4.5.1 Sagnac效应 |
4.5.2 Sagnac效应改正算法 |
4.5.3 Sagnac效应改正仿真结果 |
4.6 本章小结 |
第5章 载波频率控制方法研究 |
5.1 载波频率控制方法 |
5.1.1 载波频率控制原理 |
5.1.2 载波频率预偏量估计 |
5.1.3 载波频率控制算法 |
5.2 载波频率PID控制算法和仿真分析 |
5.2.1 载波频率PID控制算法 |
5.2.2 载波频率BP神经网络PID控制算法 |
5.2.3 改进的载波频率BP神经网络PID控制算法 |
5.2.4 仿真结果对比分析 |
5.3 载波频率控制后结果分析 |
5.3.1 载波频率性能表征方式 |
5.3.2 实测结果验证分析 |
5.4 本章小结 |
第6章 通信卫星载波相位时间频率传递试验验证 |
6.1 单向载波相位时间频率传递试验验证 |
6.1.1 试验平台 |
6.1.2 数据处理 |
6.1.3 试验结果 |
6.2 双向载波相位时间频率传递试验验证 |
6.2.1 射频闭环链路下的零基线和共时钟测量试验结果 |
6.2.2 卫星环路下的零基线和共时钟测量试验结果 |
6.2.3 卫星环路下的零基线不共时钟测量试验结果 |
6.3 本章小结 |
第7章 总结与展望 |
7.1 论文主要研究成果与创新点 |
7.2 下一步工作展望 |
参考文献 |
致谢 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
(4)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 |
(5)基于QUATRE算法的温度PID控制方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景和意义 |
1.2 国内外研究现状 |
1.2.1 PID参数整定的研究现状 |
1.2.2 智能PID研究现状 |
1.3 本文的工作及主要安排 |
第二章 基于并行QUATRE算法的电炉温度PID控制研究 |
2.1 PID控制简介 |
2.1.1 PID控制原理 |
2.1.2 PID参数的意义 |
2.1.3 PID参数整定方法 |
2.1.4 数字PID控制 |
2.2 QUATRE算法简介 |
2.2.1 QUATRE算法的基本思想 |
2.2.2 基于一种交流策略的并行QUATRE |
2.3 控制性能评价指标 |
2.4 电炉温度控制实例 |
2.4.1 电炉加热原理 |
2.4.2 电炉的基本原理 |
2.4.3 电炉数学模型 |
2.5 基于QUATRE的 PID控制的仿真分析 |
2.6 本章小结 |
第三章 基于并行QUATRE算法优化的模糊PID温度控制 |
3.1 模糊控制的基本原理 |
3.1.1 模糊化 |
3.1.2 知识库 |
3.1.3 模糊推理 |
3.1.4 解模糊 |
3.2 模糊PID控制的设计 |
3.2.1 模糊PID的基本结构 |
3.2.2 自适应模糊PID控制器设计 |
3.3 基于并行QUATRE算法优化模糊PID控制器结构与步骤 |
3.4 基于并行QUATRE算法优化模糊PID控制的温度控制仿真分析 |
3.5 本章小结 |
第四章 基于并行QUATRE优化的BP神经网络PID控制 |
4.1 基本的工神经网络理论 |
4.2 BP神经网络理论 |
4.2.1 网络模型的结构 |
4.2.2 BP优缺点及改进办法 |
4.3 基于BP神经网络的PID控制器原理 |
4.4 基于并行QUATRE算法的BP-PID控制器设计 |
4.4.1 并行QUATRE算法优化BP神经网络原理 |
4.4.2 并行QUATRE与 BP神经网络算法整定PID流程 |
4.5 基于并行QUATRE-BP-PID的温度控制系统仿真 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 研究总结 |
5.2 进一步的展望 |
参考文献 |
致谢 |
个人简历、在学期间的研究成果及发表的学术论文 |
(6)基于FPGA的皮肤打印机控制系统设计与研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景 |
1.2 生物3D打印技术 |
1.2.1 基于材料挤压的3D生物打印技术 |
1.2.2 基于光的生物打印技术 |
1.2.3 负空间打印生物打印技术 |
1.3 3D打印机研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 课题研究意义和主要研究内容 |
1.4.1 课题研究意义 |
1.4.2 本文章节安排 |
第2章 皮肤打印机的整体设计及硬件平台的搭建 |
2.1 皮肤打印机需求分析 |
2.2 皮肤打印机整体设计 |
2.2.1 皮肤打印机的方案选择 |
2.2.2 皮肤打印机的总体设计 |
2.3 FPGA的选择及其外围电路的搭建 |
2.3.1 电源电路的设计 |
2.3.2 时钟电路的设计 |
2.3.3 USB转UART电路的设计 |
2.3.4 下载电路的设计 |
2.3.5 QSPI FLASH电路的设计 |
2.4 打印机的喷头电路设计 |
2.4.1 电磁阀喷头控制电路 |
2.4.2 气压控制电路 |
2.5 打印机的雾化电路设计 |
2.6 打印平台温度控制电路设计 |
2.6.1 温度采集电路 |
2.6.2 加热电路 |
2.7 电机控制电路设计 |
2.8 系统硬件电路实物图 |
2.9 本章小结 |
第3章 遗传算法优化BP神经网络的PID控制器 |
3.1 引言 |
3.2 常见的PID控制器原理 |
3.2.1 传统PID控制原理 |
3.2.2 模糊PID控制原理 |
3.3 基于改进BP神经网络的PID控制器 |
3.3.1 BP神经网络 |
3.3.2 遗传算法的相关理论 |
3.3.3 遗传算法优化BP神经网络 |
3.3.4 基于遗传算法优化BP神经网络的PID控制器 |
3.4 本章小结 |
第4章 FPGA软件设计 |
4.1 引言 |
4.2 通信模块的实现 |
4.2.1 通信协议的设定 |
4.2.2 UART协议 |
4.2.3 解析模块 |
4.3 加减速控制器模块的实现 |
4.3.1 梯形加减速控制器 |
4.3.2 FPGA实现加减速控制器 |
4.4 神经网络的硬件实现 |
4.4.1 定点数计算 |
4.4.2 加法树的实现 |
4.4.3 乘法器的实现 |
4.4.4 参数存储部件的实现 |
4.4.5 激活函数的实现 |
4.5 本章小结 |
第5章 3D皮肤打印机集成测试 |
5.0 引言 |
5.1 硬件测试 |
5.1.1 喷头控制测试部分 |
5.1.2 温度控制测试 |
5.2 通信测试 |
5.2.1 测试软件简介 |
5.2.2 串口通信测试 |
5.3 打印实物展示 |
5.3.1 皮肤支架的打印以及测试 |
5.3.2 打印细胞测试图 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(7)基于PSO-BP算法的黑体辐射源温控系统的应用研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 黑体辐射源发展及研究现状 |
1.3 黑体辐射源温控系统的研究现状 |
1.4 本文主要研究内容及章节安排 |
1.4.1 论文主要研究内容 |
1.4.2 本文章节安排 |
第二章 黑体辐射源模型建立与辨识 |
2.1 低温黑体辐射源结构及温控特性 |
2.2 黑体辐射源温控系统数学建模 |
2.2.1 半导体制冷器的基本原理 |
2.2.2 黑体温控系统制冷模型推导 |
2.3 低温黑体加热工作模式的数学模型建立 |
2.4 本章小结 |
第三章 温度控制算法设计及仿真研究 |
3.1 传统PID控制算法 |
3.1.1 传统PID控制原理 |
3.1.2 数字PID控制器 |
3.2 传统PID参数整定及仿真实现 |
3.2.1 传统PID算法的局限性及改进 |
3.3 神经网络 |
3.3.1 BP神经网络 |
3.3.2 基于BP神经网络的PID系统结构设计 |
3.3.3 BP神经网络的训练 |
3.3.4 基于BP神经网络PID控制算法的仿真研究 |
3.3.5 BP神经网络缺点分析 |
3.3.6 BP算法的改进 |
3.4 粒子群BP神经网络算法 |
3.4.1 粒子群算法的描述 |
3.4.2 PSO与BP神经网络算法的结合 |
3.4.3 PSO优化BP神经网络的优点 |
3.4.4 基于PSO-BP神经网络PID的设计 |
3.4.5 算法仿真结果比较 |
3.5 本章小结 |
第四章 黑体辐射源温控系统的设计与实现 |
4.1 硬件总体设计 |
4.1.1 主控模块选用及设计 |
4.1.2 数据采集模块 |
4.1.3 显示模块 |
4.1.4 驱动模块 |
4.1.5 串口通讯模块 |
4.1.6 温度传感器及其他硬件配置 |
4.2 温控系统软件算法的设计与实现 |
4.2.1 软件架构 |
4.2.2 控制算法软件设计流程 |
4.3 本章小结 |
第五章 系统调试及结果分析 |
5.1 Arduino开发环境 |
5.1.1 Arduino IDE获取和驱动安装 |
5.1.2 Arduino程序安装 |
5.2 控制系统软件程序设计 |
5.2.1 温度采集模块的程序设计 |
5.2.2 LCD显示模块程序设计 |
5.2.3 温度控制算法主程序设计 |
5.3 人机交互界面程序设计 |
5.4 实验控温效果的验证和对比 |
5.4.1 面源黑体制冷部分的控温比较 |
5.4.2 空腔黑体加热部分的控温比较 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 工作展望 |
参考文献 |
在学期间取得的科研成果和科研情况说明 |
致谢 |
(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)高精度油水界面自动检测系统的研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 国内外研究现状 |
1.3 论文主要研究内容 |
1.4 本章小结 |
2 系统整体结构设计和系统硬件搭建 |
2.1 系统整体模型结构设计 |
2.2 系统硬件设计原则 |
2.3 单片机控制系统的复位电路 |
2.4 步进电机控制系统的设计 |
2.5 光电编码器 |
2.6 图像采集系统设计 |
2.6.1 光源设计 |
2.6.2 CCD传感器 |
2.6.3 图像采集卡 |
2.7 本章小结 |
3 油水界面模板匹配和乳化层周围液包分布 |
3.1 图像模板匹配算法 |
3.2 边缘检测算子 |
3.2.1 Scharr算子 |
3.2.2 高斯-拉普拉斯算子(LoG) |
3.2.3 Canny边缘检测算子 |
3.2.4 改进Canny边缘检测算子 |
3.3 霍夫曲线检测与距离测量方法 |
3.3.1 霍夫曲线检测 |
3.3.2 垂线法测量距离 |
3.3.3 连通区域法测量距离 |
3.3.4 Seed Filling算法测量距离 |
3.4 油水界面模板匹配和乳化层液包分布结果与讨论 |
3.4.1 油水界面模板匹配结果与讨论 |
3.4.2 乳化层周围液包分布的结果与讨论 |
3.5 油水界面边缘检测算子结果与讨论 |
3.6 油水界面霍夫曲线检测及界面距离计算结果与讨论 |
3.6.1 油水界面霍夫曲线检测结果与讨论 |
3.6.2 显示油水界面距离测量结果 |
3.7 本章小结 |
4 CNCS-Kmeans硬聚类算法应用在油水界面图像分割 |
4.1 图像分割的基本概念及应用 |
4.2 彩色图像分割方法 |
4.2.1 阈值分割法 |
4.2.2 边缘分割法 |
4.2.3 聚类分析分割法 |
4.2.4 神经网络分割法 |
4.3 EM算法评估高斯混合模型GMM参数的图像分割 |
4.3.1 高斯分布基本概念 |
4.3.2 高斯混合模型GMM相关概念 |
4.3.3 EM算法评估GMM参数图像分割 |
4.4 K-means聚类算法图像分割 |
4.4.1 K-means聚类算法基本原理 |
4.4.2 K-means聚类算法的实现流程 |
4.4.3 K-means聚类算法图像分割优缺点 |
4.5 CNCS-Kmeans图像分割算法 |
4.5.1 CNCS-Kmeans基本思想 |
4.5.2 回归分析确定聚类中心 |
4.5.3 CNCS-Kmeans算法步骤 |
4.6 CNCS-Kmeans算法应用在油水界面图像分割实验结果与讨论 |
4.6.1 CNCS-Kmeans聚类算法应用油水界面分割直观效果结果与讨论 |
4.6.2 CNCS-Kmeans聚类算法训练次数和运行时间实验结果与讨论 |
4.7 本章小结 |
5 基于BP神经网络PID控制排水阀开度 |
5.1 常规PID控制器 |
5.2 神经网络基本概念 |
5.2.1 人工神经元模型 |
5.2.2 神经网络结构 |
5.2.3 神经网络工作方式 |
5.2.4 神经网络的学习 |
5.3 BP神经网络PID控制器 |
5.3.1 BP神经网络的原理 |
5.3.2 BP神经网络的前馈计算 |
5.3.3 BP神经网络权系数调整规则 |
5.3.4 BP神经网络学习算法步骤 |
5.4 BP神经网络PID控制器应用在油水分离控制系统 |
5.5 BP神经网络PID控制排水阀开度Simulink仿真 |
5.5.1 Simulink仿真两种控制器的建模与参数配置 |
5.5.2 Simulink仿真两种控制器的结果与讨论 |
5.6 BP神经网络PID控制系统控制排水阀开度实验 |
5.6.1 BP神经网络PID控制排水阀实验平台搭建 |
5.6.2 BP神经网络PID控制排水阀开度跟踪油水界面的实验结果分析 |
5.7 本章小结 |
6 系统软件编程设计 |
6.1 编程语言及系统编程开发平台的选择 |
6.2 控制系统模块编程设计 |
6.2.1 控制系统主编程设计 |
6.2.2 按键系统的编程设计 |
6.3 图像模板匹配系统开发平台及软件的选择 |
6.4 图像分割的编程设计 |
6.5 图像处理的编程设计 |
6.6 本章小结 |
总结与展望 |
总结 |
展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文与专利 |
(10)基于ADRC的破茬装置主动避障控制系统研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题背景与意义 |
1.1.1 课题来源 |
1.1.2 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 农机自动转向控制技术和伺服提升控制技术 |
1.2.2 自抗扰控技术研究现状和智能控制技术研究现状 |
1.2.3 农机主动避障研究现状 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 本章小结 |
第二章 主动避障破茬装置控制系统设计 |
2.1 障碍物检测系统 |
2.1.1 基于超声波测距的障碍物位置确定 |
2.1.2 基于红外传感器的障碍物位置确定 |
2.1.3 传感器的选型 |
2.2 液压转向避障系统设计 |
2.2.1 液压转向系统的设计方案 |
2.2.2 液压转向控制系统数学模型建立 |
2.3 提升避障系统设计 |
2.3.1 提升系统的设计方案 |
2.3.2 提升控制系统数学模型建立 |
2.4 数学模型仿真验证 |
2.5 本章小结 |
第三章 基于ADRC的避障控制系统研究 |
3.1 传统PID控制器简述 |
3.2 自抗扰控制器介绍 |
3.2.1 跟踪微分器(TD) |
3.2.2 扩张观测器(ESO) |
3.2.3 非线性状态误差反馈器(NLSEF) |
3.3 基于Simulink的自抗扰控制器设计及参数整定 |
3.3.1 自抗扰控制器的Simulink模型搭建 |
3.3.2 液压转向自抗扰控制系统 |
3.3.3 伺服电机提升自抗扰控制系统 |
3.4 本章小结 |
第四章 基于模糊神经网络的自抗扰控制器设计 |
4.1 基于模糊控制优化的自抗扰控制器 |
4.1.1 模糊控制理论介绍 |
4.1.2 模糊化参数设计 |
4.1.3 模糊化参数设计 |
4.1.4 模糊化规则建立 |
4.1.5 去模糊化 |
4.1.6 模糊自抗扰的避障控制系统仿真分析 |
4.2 基于模糊神经网络的自抗扰控制器设计 |
4.2.1 神经网络理论基础 |
4.2.2 BP神经网络理论基础 |
4.2.3 模糊神经网络自抗扰控制器设计 |
4.3 BP模糊神经网络自抗扰的避障控制系统仿真分析 |
4.3.1 BP模糊神经网络自抗扰液压转向系统 |
4.3.2 BP模糊神经网络自抗扰伺服提升系统 |
4.3.3 BP模糊神经网络控制器性能仿真试验 |
4.4 本章小结 |
第五章 伺服提升控制系统的半实物仿真试验 |
5.1 OPC通讯协议介绍 |
5.2 半实物仿真平台的搭建 |
5.2.1 半实物仿真平台总体结构 |
5.2.2 PLC控制程序设计 |
5.2.3 组态王控制界面设计 |
5.2.4 MATLAB和组态王的通讯设计 |
5.3 半实物仿真平台试验及分析 |
5.4 本章小节 |
第六章 结论和展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
附录 A:程序语言 |
附录 B:本人攻读硕士学位期间的研究成果 |
四、基于BP神经网络的PID控制器的研究与实现(论文参考文献)
- [1]小深孔钻削的自适应控制方法研究[D]. 黄俊锋. 桂林电子科技大学, 2021(02)
- [2]无人机光电系统视轴稳定方法研究[D]. 姜珊. 西安工业大学, 2021(02)
- [3]通信卫星载波相位时间频率传递方法研究[D]. 苏瑜. 中国科学院大学(中国科学院国家授时中心), 2021(02)
- [4]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)
- [5]基于QUATRE算法的温度PID控制方法研究[D]. 周裕文. 福建工程学院, 2021(02)
- [6]基于FPGA的皮肤打印机控制系统设计与研究[D]. 孙建其. 太原理工大学, 2021(01)
- [7]基于PSO-BP算法的黑体辐射源温控系统的应用研究[D]. 韩愈. 天津理工大学, 2021(08)
- [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]高精度油水界面自动检测系统的研究[D]. 樊玉和. 青岛科技大学, 2021(01)
- [10]基于ADRC的破茬装置主动避障控制系统研究[D]. 张文锴. 昆明理工大学, 2021(01)