一、基于遗传算法的PID控制在烧结过程中的应用（论文文献综述）
马浩兴[1]（2020）在《吊装起重施工平台同步顶升系统控制技术研究》文中指出随着工业化建筑的迅猛发展,装配式建筑的施工现状对工业化建筑的配套设施的发展提出了更多的需求。目前装配式建筑施工装备尚未突破,仍在使用传统装备施工。因此研发设计专门用于装配式建筑施工的装备成为了亟待解决的问题。吊装起重施工平台的同步顶升液压系统作为装配式建筑专用装备中重要的一部分,其同步的可靠性和精确性直接影响着施工作业的安全,具有重要的研究意义。主要研究内容与结论如下:（1）通过对同步顶升液压系统工作过程和工作原理进行的分析,应用液压仿真软件AMESim建立了同步顶升液压系统的仿真模型,分析了液压系统的运行原理。（2）通过对同步顶升液压系统的深入分析,建立了系统的数学模型,得到了系统的传递函数,并对同步顶升液压系统的稳定性进行了研究。（3）针对同步顶升液压系统在同步误差控制上的问题,提出了一种基于多种群遗传算法优化的模糊PID控制器。使用Matlab/Simulink在标准PID控制器、模糊PID控制器、多种群遗传算法优化的模糊PID控制器的控制下对同步顶升系统进行仿真,通过仿真结果对比各控制器的控制效果。（4）将AMESim中搭建的液压同步顶升系统和Matlab/Simulink中搭建的多种群遗传算法优化的模糊PID控制器进行联合仿真,仿真结果表明,同步顶升液压控制系统在多种群遗传算法优化的模糊PID控制器的控制下具有良好的同步性能,具有很好的实用价值。
闫成忍[2]（2020）在《基于LM-GA算法的GA-PSO-BP神经网络烧结终点预测控制研究》文中研究表明烧结过程是钢铁冶金生产的一项基础环节,也是非常复杂的非线性动态时变的一个过程。烧结终点（BTP）是指烧结混合料完全烧透的位置,可用烧结机的风箱表示。烧结终点作为烧结状态的一个重要参数,可以直接展现出烧结过程的状态,并对烧结矿的质量、产量有重要影响。烧结终点具有多变量、非线性、强耦合、大滞后等特点,利用系统的机理建模和传统控制方法难以对其准确预测和控制。针对烧结终点难以预测和控制的问题,本文开展了烧结终点预测模型和烧结终点预测控制器的研究。具体研究如下:首先本文在分析烧结过程的特点特性以及影响烧结终点相关因素基础上,确定了五个较大的影响因素:烧结台车运行速度、BRP处（17号）风箱温度、点火温度、布入料层厚度、二混含水量。利用废气风箱温度建立了烧结终点的软测量模型。由于BP神经网络对非线性系统有很强的逼近能力,因此选用BP神经网络做烧结终点模型的辨识,为使BP性能更优,采用遗传-粒子群（GA-PSO）混合算法优化神经网络的权值和阈值,建立了GA-PSO-BP神经网络烧结终点预测模型,通过仿真表明该预测模型具有较高预测精度。然后对于L-M算法对初值较为依赖的缺点,使用遗传算法对L-M算法改进,利用GA算法的全局收敛能力强的优点为L-M算法提供优质初值,从而提高L-M算法的计算速度,克服L-M算法过于依赖初值的不足,经仿真测试表明LM-GA算法的寻优性能更优。最后针对烧结终点的预测控制器做了设计研究。利用GA-PSO-BP建立烧结终点预测模型,在BP神经网络预测控制器的滚动优化部分使用LM-GA算法获取最优初始控制量台车速度,控制器通过台车速度控制烧结终点。通过仿真结果分析,本文设计的烧结终点预测控制器比常规的预测控制器、PID控制器的性能更优,其响应速度更快,调节时间更短,抗干扰能力和鲁棒性更强。
张金立[3]（2020）在《3D打印机智能温控系统及路径规划算法的研究》文中研究说明3D打印作为一项新兴的制造技术被广泛的应用于各行各业,而FDM型3D打印机由于其价格低、使用简单而备受消费者的喜爱。FDM型3D打印机打印模型的精度高低主要体现在对打印机的温度控制及打印过程中所涉及到的路径规划上面。FDM型3D打印机的温度控制主要是指打印机喷头的温度控制,喷头温度的控制采用传统的PID算法。虽然PID控制方法在理想的打印环境中能够对打印机温度稳定控制,但是喷头温度受环境温度、打印机内部加热元件、喷头系统的散热性能和空气流速等因素的影响,因此喷头温度的控制变得复杂且呈非线性,传统PID控制无法满足打印需求。FDM型3D打印机的路径规划主要有两种,一种是填充路径规划,另一种是轮廓路径规划。填充路径规划近年来不断有学者进行研究且取得了较好的成果,但是轮廓路径规划一直研究的较少。轮廓路径规划一般使用平行扫描法,但是这种方法使得打印喷头的空行程较多,造成打印模型耗费时间较长,并且长时间对打印机造成的不必要的磨损也使得打印精度降低。本文针对传统PID算法控制FDM型3D打印机喷头温度的缺陷,提出将自学习能力强、非线性表达能力强的BP神经网络与PID相结合,设计基于BP-PID控制器的智能温控系统。并且针对BP网络收敛速度慢、易陷入局部极小的缺点提出了改进的鲸鱼优化算法,经过改进鲸鱼优化算法优化的BP网络有效的克服了以上缺点。针对打印机轮廓路径规划使用平行扫描法会对打印机造成不必要的磨损,也影响到打印模型的质量。本文将轮廓路径规划问题归结为GTSP问题,并且使用改进鲸鱼算法解决该问题,使得打印喷头空行程有效降低。本文通过MATLAB软件对智能温控算法及轮廓路径规划方案进行仿真分析,并设计了以Lab VIEW为温度监控界面、微处理器为核心的智能温控系统。研究结果表明:基于改进鲸鱼算法优化的BP-PID控制器的智能温控系统控制温度效果更佳;改进鲸鱼优化算法解决打印机轮廓路径规划问题效果明显。
荆涛[4]（2020）在《制袋机智能温度控制系统研究》文中指出制袋机是软包装生产线上制袋工序中一个重要生产设备,制袋机生产过程包含定长、定位、热封、分切等工艺环节,本文主要研究制袋机热封刀温度控制技术。由于热封刀温度变化过程是一个非线性的大惯性过程,且影响温度变化的因素较多,因而传统PID控制算法的控温效果并不理想。针对传统制袋机热封刀温度控制过程中存在的温度控制精度低、抗干扰能力差等问题,本文设计了一种Interval Type-2 Fuzzy PID（IT2F-PID）智能温度控制器,并在相应的软件平台及硬件设备支持下实现制袋机智能温度控制系统的设计。本文首先根据当前软包装行业的发展现状,指出研究制袋机智能温度控制系统的重要意义,并分别从四个方向介绍智能温度控制理论的国内外研究现状,进而分析温度控制系统未来的发展趋势。然后介绍制袋机系统组成及工艺流程,设计制袋机智能温度控制系统的总体结构,进行系统硬件设备选型,并详细介绍控制器的主控芯片选择、最小系统和温度测量电路的设计。分析被控对象的动态特性,建立数学模型,根据区间二型模糊控制理论设计一种IT2F-PID控制算法,总结专家经验建立模糊推理规则,实现对传统PID控制器比例、积分和微分参数的动态调整,并仿真对比智能温度控制算法与传统温度控制算法的控制效果,最终选定控制效果最佳的区间二型模糊PID控制算法。此外,介绍智能温度控制系统的软件实现过程,其中包括智能温度控制器软件实现和人机交互界面设计实现。最后通过三伺服制袋机进行整机测试,验证本文研究制袋机智能温度控制系统的性能。
庞家腾[5]（2019）在《基于自适应遗传PID算法的球杆系统控制器设计》文中指出球杆系统因结构简单,占用空间小、操作方便易于实验观察等特点,使其成为控制实验室里常用的实验设备;球杆系统还具备非线性、开环不稳定性等特性,是验证控制理论或控制方法的典型设备。本文主要研究内容如下:首先,介绍了球杆系统组成部分以及系统本身存在的非线性、开环不稳定的特点。运用机理法建立了球杆系统机械系统、电机伺服的数学模型,用传递函数形式表示。其次,分析了球杆系统的稳定性和可控性,得出球杆系统是不稳定但可控的系统,为控制器的设计做好了铺垫。设计了状态反馈控制器,并加入到球杆系统进行仿真和实验,实验结果与仿真结果相差较大。经过分析实际影响因素之后,将补偿环节加入到系统中,再次进行控制器的校正实验。再次,介绍了PID控制原理和传统PID控制器参数整定方法。论述了遗传算法的理论基础,并将遗传算法应用到PID控制参数寻优中,将PID控制器应用在球杆系统上,进行了仿真及实验研究。最后,重点分析了遗传算法收敛性,由于遗传算法中交叉和变异概率无法满足个体的个性化要求,限制了搜索范围,最终导致遗传算法出现早熟或者局部收敛。而自适应遗传算法通过改进交叉和变异概率使遗传算子可以随要求自适应改变,这将大大提高算法的全局收敛性。将算法加入到PID控制球杆系统中进行仿真和实验,结果证明控制效果比常规PID及遗传算法PID控制要准确。
王通[6]（2019）在《遗传算法PID控制在AUV姿态调节中的应用》文中进行了进一步梳理自主水下机器人（AUV）是水下机器人（UUV）中最重要的分支,因为其可以在水下自主运动完成任务,所以它又是水下机器人中最热门的研究方向。本文中所提到的是我们实验室参与研制的一种新型潜航器（AUV）,其尾部四个螺旋桨以X形布置,无舵桨,通过对尾部四个螺旋桨及导流罩的控制,来实现航行器的灵活运动。它通过改变吸入压力仓的水量来改变浮力的大小,同时也改变了重心的位置,以本身携带的高能电池为主要动力来源,并且还配置了前视避障声呐,侧扫声呐,水速仪等,可以对水下情况准确观察。相对于大多数欠驱动鱼雷型潜航器的设计,此新型潜航器的转弯半径要小很多,同时具有工作稳定可靠、运动灵活、续航时间长等特点,可以应用于海洋资源探测和军事领域,前景广阔。首先本文对水下机器人进行了一个总体的介绍,包括其发展历程,基本分类,国内外研究现状,具体应用及未来发展趋势。然后对此新型水下机器人的结构及工作原理进行了介绍,在确定了坐标系及其变换关系的前提下,在矢量矩阵法、动量定理、刚体转动定理等的基础上,建立了其动力学模型。由于水下情况会变化,单纯的PID控制不能适应这种变化,经过对水下情况的研究,发现基于遗传算法的PID控制效果很好。本文对遗传算法进行了介绍,包括遗传算法的发展过程,基本理论知识,标准遗传算法及其改进,同时也介绍了PID控制的理论和方法。其次就是在此前建立的动力学模型的基础上设计了遗传算法PID控制器。此潜航器控制系统控制四螺旋桨转速的变化,可以实现其的俯仰和偏转,根据设计的控制器在Matlab上对俯仰和偏转的过程进行了仿真,结果显示遗传算法参数选择合理在其调整下PID参数的整定也很合理,使得系统超调量较小,验证了此控制器的有效性。最后在拖曳水池中进行了试验,多次试验改进之后对数据进行分析和研究,进一步改进了控制器的性能。
于惠玲[7]（2019）在《回流烧结台氮气保护控制系统研究》文中进行了进一步梳理回流烧结是一种重要工艺手段,烧结工艺水平直接影响元器件的烧结品质。根据烧结工艺的发展和现有技术水平的研究,烧结设备常以真空作为烧结气氛,控温精度较高,但结构复杂、体积庞大,并且造价较高。针对中小型加工企业在控温精度较高的需求下提出结构精简、高性价比的烧结方案,本文设计了一种回流烧结台氮气保护控制系统,以氮气作为烧结气氛保护烧结过程,同时设计一种基于积分分离模糊PID的前置反馈解耦控制策略提高控温精度,对工业烧结技术的发展与烧结设备的更新具有重要的现实意义。本文的重点是研究烧结温度控制算法,并完成系统软、硬件设计与调试。首先确定本文设计的烧结控制系统由计算机、系统控制台、烧结台三部分组成,根据设计需求提出详细的设计方案并完成器件的选型。然后根据所选的器件,设计基于STM32F407的硬件电路,包括系统供电电路、温度采集与控制电路、氮气浓度的采集与控制电路,利用Altium Designer绘制原理图并设计PCB制作硬件电路板,实现烧结台温度、氮气浓度的控制。其次考虑计算机控制系统的时效性、复杂性,设计了积分分离式模糊PID的控制算法控制烧结温度,通过仿真对比PID、模糊PID、积分分离式模糊PID,验证了本文设计的积分分离式模糊PID控制策略优于常规PID控制。同时针对多变量控制系统的耦合效应,设计了前置反馈解耦控制策略,经过MATLAB仿真对比,表明解耦后的温度、氮气浓度数据优于解耦前,解耦后的温度无超调并且调节时间缩短了31%。最后,在Keil5平台上编写STM32控制台软件完成算法移植,采用LabVIEW设计人机交互界面,通过RS485串口实现与STM32的数据收发,按功能要求编写温度设置模块、自动运行模块、数据查询模块,设计与规划前面板布局,使人机交互界面整洁、美观、重点突出,方便测试人员使用。为了保证系统的可靠性,在投入运行使用之前对整个系统进行测试,包括功能测试和精度测试。先在上位机中完成单步调试,再进一步实现循环测试与自动运行测试。采用精度比设计需求高的检测仪所检测的值作为标准值,与实际测量值作对比,以表格的形式分析温度、氮气浓度数据,验证了系统的控制精度满足设计要求。
陈诗慧[8]（2019）在《基于神经网络的模糊PID伺服电机控制系统仿真研究》文中认为以微型无人机激光无线电力传输为应用背景,通过研究现有二轴转台伺服电机的工作原理和控制方法,分别从理论上设计了针对该伺服电机的6种不同控制器,包括PID控制器、模糊控制器、模糊PID控制器、神经网络PID控制器和模糊神经网络PID控制器,搭建出相应的伺服电机控制系统,并对六种控制系统做仿真分析,比较了它们的控制精度、速度及优缺点。首先以实验室现有的二轴转台的伺服电机为研究对象,通过分析其工作原理和传统电流环、位置环、速度环（三环）的控制方法,建立了伺服电机的动力学模型,并利用Matlab中的Simulink模块模拟仿真了伺服电机的伯德图和阶跃响应曲线,探究了其动态性能和静态性能。在此基础上,基于激光束为移动微型无人机充电过程中对激光跟踪精度和速度的需求,尝试了采用不同控制方法改善二轴转台伺服电机工作性能,从而提高激光束对移动目标跟踪精度和速度的可行性。先尝试用传统PID控制方法控制伺服电机模型,仿真结果表明,该方法明显存在参数整定不便、鲁棒性不好,在移动目标运动时,跟踪速度较慢等缺点。为了对此进行改进,又尝试在上述传统PID控制器上添加另一个模糊控制器的方法,改善了PID控制器的自适应调参能力和鲁棒性能。但模糊PID控制也有其本身的缺点,如推理规则是一种近似行为,选取固定的量化因子取值会导致控制系统产生不稳定响应等。考虑实际跟踪过程中,由于无人机飞行的灵活性,无法通过模糊PID控制器来调节。同时,在理论层面上,模糊PID控制方法对控制非线性系统存在很大局限性。而神经网络具有可通过学习找到最佳非线性函数的功能。因此,为克服上述模糊PID控制系统的缺点,提出将神经网络添加到上述模糊PID控制系统中,在模糊PID控制器中添加了BP神经网络,以期望的伺服电机转角作为神经网络的输入,构建一个包含输入层、隐藏层和输出层的三层神经网络系统,输出量为模糊控制器的量化因子,采用期望的伺服电机转角与人工整定的量化因子作为输入输出训练样本,对构建的三层神经网络进行拟合训练,实现了对模糊控制器量化因子的在线调节。该模糊神经网络PID控制器与伺服电机构成的模糊神经网络PID控制系统不仅具有模糊PID控制器的鲁棒性好和自适应调参能力强的特点,还拥有对非线性模型拟合逼近能力佳的优点。最后,通过在Matlab中Simulink搭建控制系统模型,并在模糊控制模块和神经网络模块中添加S函数,将编程与建模相结合,对几种控制系统做仿真实验。结果表明,模糊PID伺服电机控制系统的动态性能与静态性能均优于单一的模糊伺服电机控制系统和PID伺服电机控制系统;而通过BP神经网络学习,在线调整模糊控制器的量化因子,模糊神经网络PID伺服电机控制系统的性能得到更进一步优化,使得原有PID伺服电机控制系统性能有极大改善。
王长正[9]（2019）在《板球系统的PID控制器参数智能优化研究》文中研究说明板球系统作为验证控制算法的实验平台,是一种典型的非线性、强耦合控制系统。本文主要以提高小球在位置控制和轨迹跟踪控制中的控制精度和稳定性为目的,在PID控制算法、RBF（Radial Basis Function）神经网络的研究基础上,提出了基于RBF-PID控制改进的两种控制算法。首先,对板球系统的基本结构和工作原理进行了介绍,对板球系统完成动力学分析,选择拉格朗日建模法建立以角度为控制量的数学模型,并对板球系统进行线性化及解耦,将双轴运动分解成为X方向、Y方向的单轴运动。然后,针对板球系统中PID控制精度低和稳定性差的问题,将PID控制与RBF神经网络相结合,对PID参数进行自整定,RBF-PID控制相对于PID控制实现了一定程度上的优化,但仍无法实现高精度控制。针对RBF-PID控制在板球系统中控制精度差的问题,引入粒子群算法（PSO）优化RBF神经网络的适应度函数;针对RBF-PID控制在板球系统中稳定性差的问题,引入遗传算法（GA）并设计遗传神经自适应PID控制器;并在MATLAB环境下完成实验,验证将控制算法应用到板球系统上的可行性。最后,将粒子群优化的RBF-PID控制算法和遗传神经自适应PID控制算法应用到GBP2001板球系统中,并分别完成单次定点位置控制实验和多次定点位置控制实验,实验结果表明本文提出的基于RBF-PID控制的两种改进算法具有可行性且控制效果较好。选取位置控制实验中结果较优的PID参数值在板球系统中完成方形轨迹跟踪控制实验,以轨迹震荡10%作为稳定跟踪边界,综合两种实验结果对比分析可知,基于粒子群优化的RBF-PID控制算法在板球系统中的控制精确度最高,遗传神经自适应PID控制算法在板球系统中的控制稳定性最高。
王新宇[10]（2019）在《喷射成形Si/Al合金熔体转移及漏包液位控制系统研究》文中进行了进一步梳理Si/Al合金是功率微波器件、功率激光器件以及功率集成电路模块封装的主要电子封装材料之一,喷射成形是制备Si/Al合金材料的最理想工艺。工艺稳定性是喷射成形生产的重要保证。本文以喷射成形关键工艺参数—漏包液位为对象,对Si/Al合金喷射成形熔体转移及漏包液位控制技术进行了深入研究,对实现Si/Al合金工业化生产具有一定的理论意义和较高的应用价值。论文在对喷射成形Si/Al合金研究应用现状、液位控制技术研究应用现状综合分析的基础上,针对合作单位喷射设备存在的问题,根据制备工艺流程,研究喷射沉积过程漏包液位的控制方法,提出了熔体转移及漏包液位控制方案。设计了激光测距仪和浮标装置相结合的高温熔体液位检测系统,以塞棒水口结构作为底注炉出水方式,设计了基于伺服驱动的塞棒控制执行机构。论文对塞棒/水口形状进行了优化设计。针对四种塞棒/水口结构方案,建立了开口面积与塞棒高度数学模型,采用Matlab研究了形状参数对开口面积的影响规律,获得了优化的塞棒/水口结构和形状参数。同时研究了塞棒执行机构的变形对伺服控制的影响并给出了相应的解决方案。论文对漏包液位PID控制系统进行了建模和仿真,采用遗传算法对PID控制参数进行了整定和优化,并对PID控制性能进行了对比分析,验证了遗传算法PID控制策略的可行性与优越性。在系统设计基础上,搭建了漏包液位控制系统的的硬件结构,完成了PLC控制程序、上位机组态监控程序、触摸屏组态监控程序软件应用程序的开发,实现了控制系统的各个功能,并应用到喷射成形生产线中。通过喷射成形生产实验对系统进行了测试,实验结果表明:系统工作稳定、可靠,达到了系统的设计要求。
二、基于遗传算法的PID控制在烧结过程中的应用（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、基于遗传算法的PID控制在烧结过程中的应用（论文提纲范文）
（1）吊装起重施工平台同步顶升系统控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 课题研究背景和来源 |
| 1.1.2 课题的意义 |
| 1.2 同步顶升技术国内外研究现状 |
| 1.2.1 同步顶升技术的国外研究现状 |
| 1.2.2 同步顶升技术的国内研究现状 |
| 1.3 液压同步顶升控制技术及控制策略的国内外研究现状 |
| 1.4 论文研究的主要内容 |
| 2 同步顶升控制系统的整体设计 |
| 2.1 项目装置简介 |
| 2.2 同步顶升液压控制系统的总体设计方案 |
| 2.2.1 同步顶升液压控制系统的整体结构设计 |
| 2.2.2 同步顶升液压控制系统的工作过程 |
| 2.3 同步顶升液压系统液压回路分析 |
| 2.4 基于AMESim的同步顶升液压回路建模仿真 |
| 2.5 同步顶升液压控制系统控制器的选择 |
| 2.6 本章小结 |
| 3 液压同步顶升系统的数学模型 |
| 3.1 同步顶升液压系统数学模型的分析 |
| 3.1.1 液压缸的流量—压力特性 |
| 3.1.2 液压缸的流量连续性方程 |
| 3.1.3 液压系统的力学方程 |
| 3.1.4 液压系统的数学模型 |
| 3.1.5 比例放大器和位移传感器的数学模型 |
| 3.1.6 比例阀的传递函数 |
| 3.2 同步顶升液压系统传递函数的确定 |
| 3.3 同步顶升液压系统的稳定性分析 |
| 3.4 本章小结 |
| 4 同步顶升液压系统的MPGA-fuzzy PID控制策略研究 |
| 4.1 常规PID控制原理 |
| 4.1.1 常规PID控制器的原理 |
| 4.1.2 PID参数的整定 |
| 4.2 多种群遗传算法(MPGA)对PID参数的整定 |
| 4.2.1 遗传算法(GA) |
| 4.2.2 多种群遗传算法(MPGA) |
| 4.2.3 优化算法对PID参数的整定与仿真 |
| 4.3 模糊PID控制器的设计与仿真 |
| 4.3.1 模糊PID控制器的构成 |
| 4.3.2 模糊PID控制器的设计 |
| 4.3.3 模糊PID控制仿真 |
| 4.4 多种群遗传算法优化的模糊PID控制器的设计与仿真 |
| 4.5 本章小结 |
| 5 同步顶升液压系统AMESim/Simulink联合仿真实验 |
| 5.1 同步顶升液压系统联合仿真设计 |
| 5.1.1 同步顶升系统AMESim/Simulink联合仿真模型设计 |
| 5.1.2 同步顶升系统仿真模型 |
| 5.2 同步顶升液压系统联合仿真性能分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（2）基于LM-GA算法的GA-PSO-BP神经网络烧结终点预测控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及目的意义 |
| 1.2 研究现状 |
| 1.2.1 烧结终点检测研究现状 |
| 1.2.2 烧结终点模型研究现状 |
| 1.2.3 烧结终点控制研究现状 |
| 1.3 本文主要内容 |
| 第二章 烧结基本工艺流程及特点分析 |
| 2.1 烧结基本工艺流程 |
| 2.2 烧结过程的特点分析 |
| 2.3 烧结终点控制及影响因素分析 |
| 2.3.1 烧结终点控制 |
| 2.3.2 主要控制问题 |
| 2.3.3 影响因素分析 |
| 2.4 本章小结 |
| 第三章 烧结终点GA-PSO-BP神经网络预测模型建立 |
| 3.1 烧结终点预测基本思想 |
| 3.2 烧结终点软测量模型 |
| 3.3 烧结现场数据处理 |
| 3.3.1 数据滤波处理 |
| 3.3.2 数据平滑处理 |
| 3.3.3 数据归一化处理 |
| 3.4 神经网络建模方法 |
| 3.4.1 神经网络基本原理概述 |
| 3.4.2 BP神经网络 |
| 3.4.3 BP神经网络预测模型 |
| 3.5 基于GA-PSO-BP神经网络预测模型 |
| 3.5.1 遗传算法(GA) |
| 3.5.2 粒子群(PSO)算法 |
| 3.5.3 GA-PSO混合优化算法 |
| 3.5.4 GA-PSO-BP混合优化算法 |
| 3.5.5 算法仿真 |
| 3.6 烧结终点预测模型的实验仿真与分析 |
| 3.7 本章小结 |
| 第四章 预测控制及改进的L-M算法 |
| 4.1 预测控制 |
| 4.1.1 预测控制基本原理 |
| 4.1.2 BP神经网络预测控制 |
| 4.2 L-M算法 |
| 4.3 LM-GA混合算法 |
| 4.4 仿真分析 |
| 4.5 本章小结 |
| 第五章 烧结终点预测控制的仿真研究 |
| 5.1 烧结终点预测控制 |
| 5.2 烧结终点预测控制模型 |
| 5.3 烧结终点预测控制器 |
| 5.3.1 控制器结构 |
| 5.3.2 基于GA改进L-M算法的滚动优化 |
| 5.3.3 控制器算法 |
| 5.4 烧结终点预测控制系统仿真实验及结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 插图列表 |
| 附录2 表格列表 |
| 附录3 部分数据 |
| 在学研究成果 |
| 致谢 |
（3）3D打印机智能温控系统及路径规划算法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 3D打印机温度控制技术 |
| 1.1.2 3D打印机路径规划技术 |
| 1.2 国内外研究现状 |
| 1.2.1 3D打印机温度控制技术的研究与发展 |
| 1.2.2 3D打印机路径规划算法的研究现状 |
| 1.3 本文研究内容及方法 |
| 第二章 FDM型3D打印机介绍 |
| 2.1 3D打印技术及应用 |
| 2.2 FDM型3D打印机工作原理 |
| 2.3 FDM型3D打印机存在的问题 |
| 2.4 本章小结 |
| 第三章 BP神经网络及群智能优化算法的研究 |
| 3.1 BP神经网络概述 |
| 3.2 群智能优化算法的研究 |
| 3.2.1 遗传算法 |
| 3.2.2 粒子群算法 |
| 3.2.3 鲸鱼优化算法 |
| 3.2.4 改进鲸鱼优化算法 |
| 3.3 各算法的性能比较 |
| 3.4 BP神经网络的优化改进 |
| 3.4.1 遗传算法优化BP神经网络 |
| 3.4.2 粒子群算法优化BP神经网络 |
| 3.4.3 改进鲸鱼算法优化BP神经网络 |
| 3.5 本章小结 |
| 第四章 FDM型3D打印机智能温控系统设计 |
| 4.1 PID控制器 |
| 4.2 BP-PID控制器 |
| 4.3 PSO-BP-PID控制器 |
| 4.4 基于改进鲸鱼算法优化的BP-PID温度控制器设计 |
| 4.5 仿真实验 |
| 4.5.1 FDM型3D打印机温控系统模型建立 |
| 4.5.2 仿真分析 |
| 4.6 本章小结 |
| 第五章 FDM型3D打印机轮廓路径规划 |
| 5.1 轮廓路径规划问题描述 |
| 5.1.1 GTSP问题描述 |
| 5.1.2 轮廓路径规划问题描述 |
| 5.2 FDM3D打印机轮廓路径规划 |
| 5.2.1 适值函数选择 |
| 5.2.2 随机鲸鱼编码设计 |
| 5.2.3 基于IWOA的轮廓路径规划算法 |
| 5.3 仿真实验 |
| 5.4 本章小结 |
| 第六章 FDM型3D打印机智能温控系统实验平台设计 |
| 6.1 智能温控系统硬件选型 |
| 6.2 智能温控系统实时监控界面设计 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文研究内容和总结 |
| 7.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（4）制袋机智能温度控制系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 温度控制系统研究现状及发展趋势 |
| 1.3 主要研究内容及结构安排 |
| 2 制袋机温度控制系统设计 |
| 2.1 制袋机系统组成及工艺流程 |
| 2.2 温度控制系统总体结构设计 |
| 2.2.1 温度控制系统组成分析 |
| 2.2.2 系统硬件设备选型 |
| 2.3 智能温度控制器硬件设计 |
| 2.3.1 主控芯片选型 |
| 2.3.2 最小系统设计 |
| 2.3.3 温度测量电路 |
| 2.4 本章小结 |
| 3 智能温度控制算法仿真分析 |
| 3.1 热封刀温度控制模型 |
| 3.2 传统PID控制原理 |
| 3.3 模糊控制理论 |
| 3.3.1 模糊集 |
| 3.3.2 区间二型模糊控制系统 |
| 3.4 智能温度控制算法研究 |
| 3.4.1 智能温度控制原理 |
| 3.4.2 区间二型模糊PID控制系统 |
| 3.4.3 智能温度控制算法仿真及结果分析 |
| 3.5 本章小结 |
| 4 智能温度控制系统软件实现 |
| 4.1 智能温度控制器软件设计 |
| 4.1.1 多通道温度采集软件设计 |
| 4.1.2 冷端温度采集子程序 |
| 4.1.3 区间二型模糊PID算法子程序 |
| 4.2 工控屏人机交互界面设计 |
| 4.2.1 工控屏HMI软件结构 |
| 4.2.2 工控屏HMI软件实现 |
| 4.3 本章小结 |
| 5 制袋机温度控制实验分析 |
| 5.1 系统测试平台搭建 |
| 5.2 智能温度控制器调试 |
| 5.2.1 温度控制器冷端温度测试 |
| 5.2.2 温度控制器温度测试 |
| 5.2.3 温度控制系统整机测试 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读硕士学位期间发表论文情况 |
| 附录 B 制袋机整机测试程序 |
| 附录 C 制袋机测试平台实物图 |
（5）基于自适应遗传PID算法的球杆系统控制器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景和研究意义 |
| 1.2 球杆系统概述 |
| 1.3 球杆系统控制算法研究现状 |
| 1.4 遗传算法发展概况 |
| 1.4.1 遗传算法发展过程 |
| 1.4.2 遗传算法的研究现状 |
| 1.5 论文主要研究内容 |
| 第2章 球杆系统的建模与分析 |
| 2.1 球杆系统简介 |
| 2.2 球杆系统的组成和特点 |
| 2.2.1 球杆系统组成 |
| 2.2.2 球杆系统特点 |
| 2.3 球杆系统的建模 |
| 2.3.1 平衡杆数学模型 |
| 2.3.2 转盘数学模型 |
| 2.3.3 电机部分建模 |
| 2.4 本章小结 |
| 第3章 球杆系统的进一步分析 |
| 3.1 球杆系统分析 |
| 3.1.1 系统稳定性分析 |
| 3.1.2 球杆系统的闭环仿真实验 |
| 3.1.3 系统可控性分析 |
| 3.2 状态反馈校正球杆系统 |
| 3.2.1 状态反馈控制器设计 |
| 3.2.2 全状态反馈调节器的实现 |
| 3.2.3 仿真 |
| 3.2.4 实验 |
| 3.3 球杆系统稳定性影响因素 |
| 3.4 加入补偿环节的球杆系统仿真 |
| 3.4.1 球杆系统开环仿真 |
| 3.4.2 球杆系统的状态反馈校正 |
| 3.5 本章小结 |
| 第4章 基于遗传算法的PID控制 |
| 4.1 球杆系统的PID控制 |
| 4.1.1 PID控制简介 |
| 4.1.2 基本PID控制原理 |
| 4.1.3 数字PID控制算法 |
| 4.2 PID控制参数整定 |
| 4.2.1 常规PID参数整定方法 |
| 4.2.2 球杆系统的基本PID控制 |
| 4.3 遗传算法介绍 |
| 4.3.1 遗传算法操作步骤 |
| 4.3.2 遗传算法的实现流程 |
| 4.3.3 遗传算法数学理论 |
| 4.3.4 遗传算法求最优值 |
| 4.4 遗传算法PID控制 |
| 4.4.1 遗传算法PID控制流程 |
| 4.4.2 遗传算法PID控制实现 |
| 4.5 本章小结 |
| 第5章 基于自适应遗传算法的PID控制 |
| 5.1 基本遗传算法的缺陷 |
| 5.1.1 遗传算法的不足 |
| 5.1.2 收敛性分析 |
| 5.2 自适应遗传算法 |
| 5.2.1 自适应遗传算法的收敛性 |
| 5.3 自适应遗传PID仿真 |
| 5.3.1 遗传算法交叉变异概率的自适应 |
| 5.3.2 自适应遗传PID控制实现 |
| 5.3.3 仿真及实验 |
| 5.4 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（6）遗传算法PID控制在AUV姿态调节中的应用（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题来源及意义 |
| 1.2 水下航行器研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 运动控制方法研究现状与选择 |
| 1.3 本文研究的主要内容及章节安排 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 本论文章节安排 |
| 第二章 新型水下航行器的介绍和运动模型的建立 |
| 2.1 引言 |
| 2.2 水下航行器的结构及其工作原理 |
| 2.3 坐标系的选择和建立 |
| 2.3.1 固定坐标系 |
| 2.3.2 运动坐标系 |
| 2.3.3 运动参数说明 |
| 2.4 水下机器人运动方程建立 |
| 2.4.1 平移运动方程 |
| 2.4.2 旋转运动方程 |
| 2.5 航行器受力分析 |
| 2.5.1 航行器水动力模型 |
| 2.5.2 航行器重力与浮力 |
| 2.5.3 航行器螺旋桨推力 |
| 2.6 航行器动力学方程 |
| 2.7 本章小结 |
| 第三章 遗传算法的介绍及改进 |
| 3.1 遗传算法的发展历程 |
| 3.2 基本遗传算法 |
| 3.2.1 遗传算法的基本概念 |
| 3.2.2 模式定理 |
| 3.2.3 积木块假设 |
| 3.2.4 遗传算法的关键操作 |
| 3.2.5 遗传算法基本流程 |
| 3.3 改进遗传算法 |
| 3.4 本章小结 |
| 第四章 水下航行器控制器设计思想 |
| 4.1 水下航行器姿态调整原理 |
| 4.2 水下航行器常用的控制方法 |
| 4.3 水下航行器控制方法的选择 |
| 4.4 遗传算法PID控制在水下航行器中的应用 |
| 4.5 本章小结 |
| 第五章 控制器仿真与实验分析 |
| 5.1 运动控制器设计 |
| 5.2 Matlab中俯仰仿真 |
| 5.3 Matlab中偏航仿真 |
| 5.4 拖曳水池试验 |
| 5.5 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 |
| 攻读硕士学位期间发表的论文目录 |
（7）回流烧结台氮气保护控制系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外发展与研究现状 |
| 1.2.1 烧结工艺发展 |
| 1.2.2 烧结设备现状 |
| 1.3 研究内容与创新 |
| 1.4 论文章节安排 |
| 2 回流烧结台氮气保护控制系统总体方案设计 |
| 2.1 烧结控制系统总体结构 |
| 2.2 烧结控制系统需求分析 |
| 2.2.1 工作参数 |
| 2.2.2 功能要求 |
| 2.3 总体方案设计 |
| 2.4 器件选型 |
| 2.4.1 主控模块选型 |
| 2.4.2 温度检测传感器 |
| 2.4.3 温度控制器件 |
| 2.4.4 氮气浓度检测传感器 |
| 2.4.5 氮气浓度控制器件 |
| 2.5 本章小结 |
| 3 烧结控制系统的硬件电路设计 |
| 3.1 总体硬件结构设计 |
| 3.2 供电电源电路 |
| 3.3 温度控制部分 |
| 3.3.1 温度检测电路 |
| 3.3.2 温度控制电路 |
| 3.4 氮气浓度控制部分 |
| 3.4.1 氮气浓度检测电路 |
| 3.4.2 氮气浓度控制电路 |
| 3.5 串口通信模块 |
| 3.6 PCB的设计 |
| 3.6.1 电源线与地线布局 |
| 3.6.2 信号线布局 |
| 3.7 本章小结 |
| 4 温度及氮气浓度控制策略的研究 |
| 4.1 系统模型辨识 |
| 4.2 烧结台内氮气浓度控制 |
| 4.2.1 位置式PID控制算法 |
| 4.2.2 增量式PID控制算法 |
| 4.3 烧结台的温度控制 |
| 4.3.1 温度控制策略 |
| 4.3.2 模糊控制器的设计 |
| 4.3.3 温度控制策略的仿真分析 |
| 4.4 烧结台内氮气浓度与温度的解耦控制 |
| 4.4.1 解耦控制原理 |
| 4.4.2 解耦控制器设计 |
| 4.4.3 解耦控制策略的仿真分析 |
| 4.5 本章小结 |
| 5 烧结控制系统的软件设计 |
| 5.1 软件需求分析 |
| 5.2 基于STM32 的下位机程序设计 |
| 5.2.1 主程序设计 |
| 5.2.2 温控程序设计 |
| 5.2.3 氮气浓度控制程序设计 |
| 5.2.4 串口通信 |
| 5.3 基于LabVIEW的上位机软件设计 |
| 5.3.1 上位机的结构框架 |
| 5.3.2 登录界面 |
| 5.3.3 温度设置 |
| 5.3.4 自动运行模块 |
| 5.3.5 数据存储与查询 |
| 5.4 LabVIEW与 STM32 的串口通信 |
| 5.4.1 通信协议 |
| 5.4.2 STM32 接收数据 |
| 5.4.3 STM32 回传数据 |
| 5.4.4 LabVIEW接收回传数据并解析 |
| 5.5 本章小结 |
| 6 烧结控制系统测试 |
| 6.1 系统功能测试 |
| 6.1.1 基本功能测试 |
| 6.1.2 主要功能测试 |
| 6.2 系统精度测试 |
| 6.2.1 温度精度测试 |
| 6.2.2 氮气浓度精度测试 |
| 6.3 本章小结 |
| 7 全文工作总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士期间发表论文 |
| 致谢 |
| 附录 A |
| 附录 B |
（8）基于神经网络的模糊PID伺服电机控制系统仿真研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 课题来源及研究的背景和意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究的背景和意义 |
| 1.2 控制技术国内外研究现状 |
| 1.2.1 PID控制技术的研究现状 |
| 1.2.2 智能控制技术的研究现状 |
| 1.2.3 综合智能控制技术的研究现状 |
| 1.3 论文的主要内容及创新点 |
| 第二章 转台伺服电机模型 |
| 2.1 伺服转台跟踪系统的总体结构 |
| 2.2 转台伺服电机的控制原理 |
| 2.2.1 电流环 |
| 2.2.2 速度环 |
| 2.2.3 位置环 |
| 2.3 转台伺服电机的机电模型研究 |
| 2.3.1 仿真平台简介 |
| 2.3.2 转台电机的机电模型建立 |
| 2.3.3 转台电机系统的静态、动态特性仿真 |
| 2.4 本章小结 |
| 第三章 模糊PID伺服电机控制系统仿真研究 |
| 3.1 PID控制概述 |
| 3.2 PID控制仿真研究 |
| 3.2.1 位置式PID算法 |
| 3.2.2 增量式PID算法 |
| 3.2.3 PID伺服电机控制系统建模及仿真 |
| 3.3 模糊控制 |
| 3.3.1 模糊控制系统的构成 |
| 3.3.2 模糊化 |
| 3.3.3 模糊推理机 |
| 3.3.4 解模糊化 |
| 3.3.5 模糊伺服电机控制系统建模及仿真 |
| 3.4 模糊控制在PID控制系统中的实现 |
| 3.5 模糊PID伺服电机控制系统仿真 |
| 3.5.1 输入输出量及其隶属函数的选择 |
| 3.5.2 模糊推理规则的制定 |
| 3.5.3 解模糊化 |
| 3.5.4 模糊PID电机控制系统建模及仿真 |
| 3.5.5 仿真结果分析 |
| 3.6 本章小结 |
| 第四章 模糊神经网络PID伺服电机控制系统仿真研究 |
| 4.1 BP神经网络 |
| 4.1.1 BP神经网络概述 |
| 4.1.2 BP神经网络的正向过程计算 |
| 4.1.3 BP神经网络的反向过程计算 |
| 4.1.4 神经网络PID控制系统的模型及仿真 |
| 4.2 神经网络在模糊PID控制系统中的实现 |
| 4.2.1 神经网络PID的结构 |
| 4.2.2 模糊神经网络PID控制器的设计 |
| 4.3 模糊神经网络PID伺服电机控制系统的仿真 |
| 4.3.1 量化因子的整定 |
| 4.3.2 量化因子的拟合 |
| 4.3.3 模糊神经网络PID伺服电机控制系统的仿真 |
| 4.3.4 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（9）板球系统的PID控制器参数智能优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 板球系统的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究存在的主要问题 |
| 1.4 文章主要工作及各章节主要内容 |
| 第二章 板球系统的动力学分析及数学建模 |
| 2.1 GPB2001 型板球系统的结构与原理 |
| 2.1.1 机械部分 |
| 2.1.2 视觉及运动控制部分 |
| 2.2 板球系统动力学分析 |
| 2.3 板球系统建模及模型简化 |
| 2.4 板球系统数学模型选定 |
| 2.4.1 角加速度控制量模型 |
| 2.4.2 角度控制量模型 |
| 2.5 数学模型线性化及解耦 |
| 2.6 本章小结 |
| 第三章 板球系统控制器设计及仿真实验 |
| 3.1 板球系统的PID控制算法 |
| 3.2 板球系统的RBF-PID控制算法 |
| 3.2.1 RBF神经网络 |
| 3.2.2 板球系统RBF-PID控制器设计 |
| 3.3 基于粒子群算法优化的RBF-PID控制算法 |
| 3.3.1 粒子群算法参数设定 |
| 3.3.2 板球系统PSO优化RBF神经网络的策略 |
| 3.4 基于遗传算法优化的RBF-PID控制算法 |
| 3.4.1 遗传算法参数设定 |
| 3.4.2 基于遗传算法的PID参数初始值优化步骤 |
| 3.4.3 板球系统的遗传神经自适应PID参数优化策略 |
| 3.5 板球系统仿真实验 |
| 3.5.1 板球系统仿真模块建立 |
| 3.5.2 板球系统仿真结果分析 |
| 3.6 本章小结 |
| 第四章 板球系统实物控制实验 |
| 4.1 控制评价指标 |
| 4.2 PID、RBF-PID及改进RBF-PID定点位置控制 |
| 4.2.1 单次定点位置控制结果对比 |
| 4.2.2 多次定点位置控制结果对比 |
| 4.3 RBF-PID及改进RBF-PID跟踪方形轨迹 |
| 4.3.1 边长50mm的正方形轨迹跟踪 |
| 4.3.2 边长80mm的正方形轨迹跟踪 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A (攻读硕士学位期间学术成果) |
| 附录B (攻读硕士学位期间参与的项目) |
（10）喷射成形Si/Al合金熔体转移及漏包液位控制系统研究（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 Si/Al合金喷射成形原理 |
| 1.3 Si/Al合金喷射成形研究现状 |
| 1.4 液位控制技术发展现状 |
| 1.4.1 液位控制技术的现状及趋势 |
| 1.4.2 工业常用液位检测方法 |
| 1.5 本论文的研究内容及章节安排 |
| 第二章 漏包液位控制系统整体方案设计 |
| 2.1 Si/Al合金喷射成形工艺要求 |
| 2.1.1 原有系统存在的问题 |
| 2.1.2 主要技术要求 |
| 2.2 Si/Al合金熔体转移及液位控制工艺流程 |
| 2.3 漏包液位检测系统设计 |
| 2.3.1 激光测距仪的选型 |
| 2.3.2 浮标结构设计 |
| 2.4 底注炉出水结构设计 |
| 2.5 塞棒控制执行系统设计 |
| 2.5.1 塞棒控制运动机构 |
| 2.5.2 塞棒驱动执行机构设计 |
| 2.6 横梁机构对伺服控制的影响研究 |
| 2.6.1 预紧力实验 |
| 2.6.2 Ansys仿真软件简介 |
| 2.6.3 机构变形仿真分析 |
| 2.7 漏包液位控制系统整体方案的设计 |
| 2.7.1 漏包液位控制系统结构 |
| 2.7.2 漏包液位控制系统工作模式 |
| 2.8 本章小结 |
| 第三章 塞棒/水口形状优化设计 |
| 3.1 塞棒/水口形状模型 |
| 3.1.1 塞棒/水口—圆形/锥形 |
| 3.1.2 塞棒/水口—锥形/锥形 |
| 3.1.3 塞棒/水口—锥形/圆形 |
| 3.1.4 塞棒/水口—椭圆形/锥形 |
| 3.2 塞棒/水口形状仿真及优化 |
| 3.2.1 椭圆形/锥形组合形状仿真 |
| 3.2.2 锥形/锥形组合形状仿真 |
| 3.2.3 锥形/圆形组合形状仿真 |
| 3.2.4 椭圆形/锥形组合形状仿真 |
| 3.3 塞棒/水口组合优化 |
| 3.4 本章小结 |
| 第四章 漏包液位控制系统建模与仿真 |
| 4.1 基于遗传算法的PID控制原理 |
| 4.1.1 传统离散PID控制原理 |
| 4.1.2 遗传算法简介及其在PID控制中的应用 |
| 4.2 漏包液位控制系统的结构 |
| 4.3 漏包液位控制系统的数学模型 |
| 4.3.1 漏包液位被控对象的数学模型 |
| 4.4 Matlab/Simulink软件工具 |
| 4.4.1 Simulink建模方法 |
| 4.4.3 S-函数的编写方法 |
| 4.5 漏包液位控制系统的Matlab/Simulink建模与仿真 |
| 4.5.1 液位控制系统Simulink建模 |
| 4.5.2 仿真结果 |
| 4.6 本章小节 |
| 第五章 漏包液位控制系统的实现 |
| 5.1 漏包液位控制硬件系统设计 |
| 5.1.1 漏包液位控制系统硬件配置 |
| 5.2 漏包液位控制系统PLC硬件组态 |
| 5.3 漏包液位控制系统软件设计 |
| 5.3.1 漏包液位控制系统的PLC程序设计 |
| 5.3.2 漏包液位控制系统的监控界面设计 |
| 5.4 漏包液位控制系统实验与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文研究工作总结 |
| 6.2 下一步研究展望 |
| 参考文献 |
| 致谢 |
四、基于遗传算法的PID控制在烧结过程中的应用（论文参考文献）
- [1]吊装起重施工平台同步顶升系统控制技术研究[D]. 马浩兴. 西安建筑科技大学, 2020(01)
- [2]基于LM-GA算法的GA-PSO-BP神经网络烧结终点预测控制研究[D]. 闫成忍. 安徽工业大学, 2020(07)
- [3]3D打印机智能温控系统及路径规划算法的研究[D]. 张金立. 上海工程技术大学, 2020(04)
- [4]制袋机智能温度控制系统研究[D]. 荆涛. 南京理工大学, 2020(01)
- [5]基于自适应遗传PID算法的球杆系统控制器设计[D]. 庞家腾. 沈阳工业大学, 2019(01)
- [6]遗传算法PID控制在AUV姿态调节中的应用[D]. 王通. 太原科技大学, 2019(04)
- [7]回流烧结台氮气保护控制系统研究[D]. 于惠玲. 西安工业大学, 2019(03)
- [8]基于神经网络的模糊PID伺服电机控制系统仿真研究[D]. 陈诗慧. 南京航空航天大学, 2019(02)
- [9]板球系统的PID控制器参数智能优化研究[D]. 王长正. 昆明理工大学, 2019(04)
- [10]喷射成形Si/Al合金熔体转移及漏包液位控制系统研究[D]. 王新宇. 南京航空航天大学, 2019(02)