一、基于遗传算法的预测自整定PID控制器（论文文献综述）
于蒙[1]（2021）在《基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究》文中进行了进一步梳理本文致力于研究针对特种精细化学品间歇生产过程的智能优化控制方法。特种精细化学品生产控制属于间歇过程控制,生产过程具有强非线性和批次重复特性,目前生产中采用的控制策略是经典PID控制,这种控制方式的特点是控制结构具有较高的可靠性,并且对控制器的维护较为简单,但是难以满足复杂工艺过程高精度控制的要求,历次特种化学品生产产品质量和运行过程均出现过不稳定的情况。如何对现有的PID控制策略进行改进,并充分利用批次生产的重复特性,针对无法用精确数学模型描述的被控对象,通过利用控制过程的在线或离线数据并开发智能控制算法,对复杂被控对象施以控制,为本文的研究重点。针对特种化学品间歇生产过程,如Chylla Haase间歇反应过程,本文采用一种复合控制方式,将间歇过程控制划分为批次内控制和批次间控制两个维度,设计复合控制策略,将批次内的智能自整定PID控制和批次间的迭代学习控制结合,充分利用批次间重复特性,并在批次内和批次间实现控制的自适应改进。在批次内控制中,采用PID控制架构,通过LM优化算法实现PID控制参数的自整定,利用RBF神经网络辨识优化过程产生的Jacobian信息,使用一种改进的差分进化算法优化PID自整定参数的初值以及径向基神经网络基函数的中心、宽度以及神经元连接权值的初值。批次内的控制策略不要求获得被控对象的数学模型,仅以过程数据为控制来源,具有较高实际应用价值。在批次间控制中,针对需要抑制的重复性干扰,采用具有实际应用价值的P型迭代学习控制,为实现这种控制方式数据驱动的自适应改进,设计限定参数集的去伪控制策略。这种控制策略既实现了抑制批次间重复扰动的功能,又具备实用性的自适应调整能力,取得优于固定参数迭代学习控制方法的效果。特种化学品D1的生产过程,对转馏分点的预测和控制十分重要。该间歇蒸馏过程存在反应蒸馏过程复杂多样的特性,需要进行分离处理的物质多种多样并且成分不断变化,而上升气温度可以对蒸馏过程需分离的物质有较高程度的反映,准确判断转馏分点是特种化学品D1生产的关键。从实际出发,建立一种数据驱动的LSTM预测模型,对转馏分点实施预测。LSTM结构复杂,需要进行参数优化,设计贝叶斯优化算法实现了参数的优选。针对D1生产过程,纯度数据作为关键指标只在生产终点时检测的情况,设计了一种基于BP神经网络的终点质量迭代学习控制算法,首先利用BP神经网络建立生产过程变量与终点产品纯度的预测模型,以神经网络预测模型为基础,实施终点纯度的迭代学习控制,实现了对具有批次重复特性的间歇蒸馏过程的质量控制。
袁柯婷[2]（2021）在《变风量空调温度与温度解耦控制方法研究》文中提出随着建筑设备和技术的不断进步,空调系统已经成为现代建筑必不可少的部分,也是社会能耗的重要来源之一。本文针对空调系统中使用最为广泛的变风量空调系统温度与湿度调节过程中的耦合问题展开讨论。设计了基于逆系统的自适应PID控制器,旨在实现温度与湿度解耦的前提下,提高温度与湿度的控制效果。本文通过研究分析变风量空调系统的工作原理、人体舒适性范围和湿空气动态变化过程,分别建立房间温度与湿度双闭环控制回路,并结合空调系统在调节房间温湿度过程中的耦合特性进行分析。应用机理法和参数辨识分别得出温度与湿度内环与外环传递函数以及调节过程中的耦合传递函数。针对传统前馈补偿解耦控制方法调节时间较长,动态偏差较大等不足,提出基于RBF神经网络逆系统的解耦方案,通过构造逆系统与原系统组成的伪线性系统,使原本存在耦合的回路变成单输入单输出的系统,从而实现温度与湿度的解耦。将解耦器与BP-PID控制器相结合形成闭环控制,使空调房间的温度与湿度能够在规定的范围内稳定输出,达到系统所要求的控制效果。为了解决BP神经网络局部极值和泛化能力差等问题,对比PSO与GSO对BP神经网络的权值和阈值的优化效果,采用GSO算法自整定BP-PID控制器,进一步提高空调房间温度与相对湿度控制精确度。将本文所设计的解耦控制器应用于温度与湿度控制回路中,进行仿真分析,验证解耦控制效果。实验结果表明:相较于传统的前馈补偿解耦控制,基于RBF逆系统的GSO-BP-PID控制器使温湿度控制系统输出更加精确,超调量更小,同时稳定性和抗干扰能力也有所提高,达到了良好的控制效果。本文对变风量空调温度与湿度解耦控制的研究,为解决变风量空调的多回路解耦控制和能耗研究,在技术理论层面提供了一定的参考价值。
张铄[3]（2021）在《交流伺服系统高性能电流环控制策略研究》文中研究指明如今科技逐渐进步,工业生产自动化对交流伺服系统的要求越来越多样化、越来越严苛,交流伺服系统需要以优越的性能稳定工作在复杂且不断变化的恶劣环境中。自动化企业亟需高效率、低成本、能适应多种多样复杂工作环境的交流伺服系统。在实际应用中,会有温度漂浮不定、设备相互摩擦、设备元件的死区及饱和等非线性问题的干扰,还有负载的易变性。这几个原因会让电流环固定增益的PID控制器不能始终维持控制系统的最佳运行状况。经典控制策略中,研究人员一般会用人工试凑PID控制参数的方法,这对研究人员的操作水平要求较高,不仅会消耗大量时间还会消耗大量人力,效率较低,在实际工业应用中不易操作。为此,本课题对交流伺服驱动系统电流环PI控制器的参数自调整展开相关的探索与研究,来得到最优的比例系数Kp、积分系数Ki,使交流伺服系统能够适应更加复杂的工况,以提高工业生产效率、降低工业生产人力成本,满足用户高性能指标的要求。现有的基本粒子群优化算法,全局收敛性差,在实际工业应用实践中有可能会过早的结束粒子寻优,是现有的基本粒子群优化算法比较明显的缺陷。本文尝试将随机产生权值与优胜劣汰原则相配合来优化现有的基本粒子群优化算法。但是,随机产生权值的与粒子群优化算法相结合会使粒子寻优效率速度变差、算法收敛效率降低,本文将运用优胜劣汰原则解决这个问题。本文分析探究了时间绝对误差乘积积分ITAE方程在数学方面的实质,该方程是求解指令信号直线与输出信号曲线所围成的区域面积绝对值的大小。本文依据此推论将时间绝对误差乘积积分ITAE准则作为粒子群算法的适应度函数来对交流伺服系统电流环PI控制器参数进行寻优、筛选。为了验证神经网络控制方法与经典控制方法的结合程度、可实现性和自适应性,本文探讨研究了单神经元自适应控制和径向基函数神经网络自适应控制在实际伺服电流环中的具体应用和功能实现。本文在已实际商业化应用于工业生产的交流伺服控制驱动器中实现了电流环PI控制器参数自整定功能,经过实验验证,通过本文的自整定方法得到的参数在实际表现中确实优于专家策略方法的表现,并且通过本文的自整定方法得到的参数能够使永磁交流同步电机在转速远超额定转速时仍旧稳定工作。
季彦东[4]（2021）在《温室大棚温湿度智能控制策略研究与实现》文中指出温室大棚是突破自然条件实现作物生长的主要场所,是现代化农业一个非常重要的设施。本文围绕温室大棚控制问题,以温度、湿度两个重要的环境变量为研究对象,设计了温湿度目标值跟踪控制器,并建立温室大棚的预测模型,实现了基于积温理论对温室大棚温湿度值的低能耗控制。具体研究内容如下。根据温室大棚温度和湿度的热量和能量守恒构建的机理模型,实现了对温室大棚温、湿度的目标值的跟踪控制。本文使用试验温室大棚真实数据,利用一元回归方程拟合得到温室大棚温度和湿度的传递函数。对该模型设计了遗传算法优化模糊PID的量化因子和修正系数的温湿度目标值跟踪控制器,通过测试实验结果表明,本文设计的温室大棚的温度湿度跟踪控制规则,可以使控制器的超调量、调整时间均有所减小,控制跟踪效果有所提升。基于支持向量回归模型构建温室大棚温度湿度预测辨识模型并制定智能控制规则。本文利用余弦函数的非线性改进粒子群算法的惯性权重,实现对支持向量回归参数的优化,辨识出温室大棚温湿度预测模型。结合作物的积温特性,制定了温度和湿度的智能控制规则,设计了温室积温智能控制器。该预测控制模型可以减少执行机构开启时长,降低控制开关的切换频率,进而使温室大棚的湿度和温度能够控制在作物生长的适宜环境条件内。以沈阳大学智慧物联网实验室的试验温室大棚为试验对象,将温湿度跟踪值控制器和积温智能控制器进行了实际的运行,经实际测试,两种控制器可正常运行且可有效控制温、湿度,为生菜的生长发育提供适宜的温湿度环境。本文设计的两种智能控制策略,温室大棚温湿度的目标值跟踪控制和积温智能控制,可以实现为温室生产提供适宜的温湿度环境。为后续的开展更高效的智能控制决策奠定基础,充实温室大棚的控制方法。也为服务农业生产生活提供了更多以选择,为精准扶贫、乡村振兴贡献科技力量。
黄丽萍[5]（2020）在《遗传优化RBF-PID的电动变量施肥控制系统研究》文中研究指明我国是粮食产业大国,在农业生产中,大豆占我国粮食产量的主导地位。需要投入大量的肥料,保证粮食的高产量。然而,肥料的利用率较低,导致一系列的生态环境问题。为了能够合理使用化肥量以降低环境污染,本文针对电动变量施肥控制系统,研究采用遗传优化RBF-PID控制算法时的系统控制性能。主要研究内容如下:（1）研究了电动变量施肥试验台的结构、影响施肥量的主要因素、变量施肥控制方案以及电动变量施肥试验台硬件部分的设计。选定电动变量施肥控制系统的方案是直流电机直接驱动型。该控制系统主要由处理器模块、电源模块、键盘模块、显示屏模块、测速模块等模块组成。（2）分析电动变量施肥控制系统的策略,提出一种基于遗传优化RBF-PID算法整定PID的方法。采用Matlab/simulink软件建立传递函数仿真模型,分别采用BP-PID、RBF-PID、遗传优化RBF-PID进行仿真对比,其中遗传优化RBF-PID算法的超调量为0.36%、峰值时间为0.006s、调整时间为0.035s。（3）进行电动变量施肥试验,根据施肥试验数据,深入分析变量施肥控制系统的动态性能和稳态性能。当排肥轴转速设定在15-80r/min时,排肥轴的转速和施肥量成相似比例关系,施肥量相对误差小于2.37%、上升时间小于1.07s、超调量小于2.71%,系统达到稳定状态。综上,本文深入分析遗传优化RBF-PID算法的电动变量施肥控制特性,其中采取理论分析、软件仿真、试验台试验等方法。研究结果表明:电动变量施肥控制系统加入遗传优化RBF-PID算法,能够提高该控制系统的稳定性及鲁棒性,为变量施肥技术奠定了良好的基础。
胡孝栋[6]（2020）在《四旋翼飞行器抗干扰研究》文中研究表明随着智能化控制器的不断发展,四旋翼飞行器获得了更加智能化的新生,在军事、民事和工业等领域的运用越来越广泛。飞行器的大部分工作时间,都要面对复杂的室外环境,最常见的干扰就是室外紊流风。室外紊流风具有风速和风向的不稳定性,对飞行器姿态稳定和指令执行等多方面都有极大的负面影响,严重的时候会造成飞行器坠毁,无法完成任务。所以,本文主要研究四旋翼飞行器在紊流风场下的姿态稳定问题,在PD控制与模糊自适应PD控制的基础上,设计串级模糊自适应PD控制器,提升无人机的抗风扰能力。然后,增加了已有的遗传算法优化模糊PD控制器抗风仿真。首先,建立地面坐标系,为系统提供统一的参照坐标系,再建立机体坐标系,为机体提供局部姿态标准,对飞行器的姿态进行表示。再利用Newton-Euler公式推导飞行器的动力学方程,进行动力学模型的建立。根据研究需要,对紊流风场的特性进行学习与数学分析,建立合适的紊流风场数学模型。然后对飞行器在风场环境下的受力情况进行分析,结合紊流风场,建立风场下的四旋翼飞行器动力学模型,为本文的抗风扰研究建立研究基础。其次,搭建三种不同的抗风扰控制器。第一步,根据飞行器特性设计出合适的PD控制器,并确定控制器参数整定方式,并使用Matlab/Simulink工具搭建出PD控制器仿真模块。第二步,根据研究需要,确定模糊推理和解模糊具体使用的方法,同时根据经验确认模糊规则。对模糊控制器进行编程与设计,设定模糊自适应PD控制器的工作流程,确认姿态控制的实现方式,为三个姿态角分别设计单独的模糊控制器,最后应用Matlab/Simulink工具搭建模糊PD控制器仿真模块。第三步,根据串级控制的优势,在结合模糊自适应PD控制方法,组成串级模糊自适应PD控制器。内环使用PD控制器控制姿态角速度,外环使用模糊PD控制器控制姿态的角度。然后,增加了已有的遗传算法优化模糊PD控制器抗风仿真,对比结果验证了串级模糊自适应PD控制器比其它三个控制器的抗风效果都要好。最后,分别在无风和有风环境下进行实验,验证四种控制器的姿态控制效果,并将仿真结果进行对比,对比结果验证了串级模糊自适应PD控制器的抗风效果最好,具有最好的抗风效果,遗传算法优化模糊PD控制器次之,模糊自适应PD控制器抗风效果次之,经典PD控制器抗风效果最差。
秦健[7]（2020）在《基于数值模拟的过热度优化控制研究》文中研究表明制冷系统保障了人类生活以及工作空间的舒适性,是一种必不可少的工业及生活系统。在整个系统中,担任着主要流量控制元器件的电子膨胀阀（Electronic Expansion Valv e）以及与外界换热的管壳式换热器对系统的运行影响巨大。在目前所应用的制冷系统中,电子膨胀阀的控制一般来自于PID控制器。由PID控制的电子膨胀阀作为整个系统的流量控制器,影响着空调舒适性以及整个系统工作的经济性,如何在不降低整个系统舒适性的前提下,通过获取最优控制参数以获得最优流量最终达到提高整个系统经济性显得尤为重要;另一方面常规管壳式换热器的弓形折流板设计使得换热性能差且壳程压损较大,换热性能难以充分发挥,这些缺点对整个系统的节能性造成了很大的影响。本文基于空调系统的经济性以及舒适性开展了以下几项工作:首先,针对电子膨胀阀开度与流体流量之间的特性关系、控制特性进行了仿真实验,通过仿真实验的方式得到电子膨胀阀开度与流体流量之间的特性关系曲线、控制特性响应曲线,得到了电子膨胀阀的控制的线性关系。其次,提出采用模糊推理实现PID参数的自整理修订以及利用粒子群算法对控制器PI D参数进行整定,并与常规PID算法控制器的控制性能两者进行比较,通过Simulink编写控制图进行阶跃响应模拟,可以得出经过模糊自整定的PID控制器具有更快的响应速度、良好的动态性能以及能够较好地抵抗外部干扰,具有较强的自动调整的能力,一定程度上改善了常用PID控制器的控制性能,使在系统正常工作中获取最优的控制参数,进而获得实际工况下的最优流量,而粒子群算法优化后的PID控制器相较于模糊PID的控制性能又有了很大的提高;再次,针对电子膨胀阀控制的单一优化存在和实际情况差别较大的地方,采用电子膨胀控制优化与恒温空调房间优化串级控制的方法,利用仿真程序,进一步对系统的工作状态、工作参数进行优化。利用算法优化后的PID控制参数,确定最优开度下的制冷剂流量。最后,针对常规内置弓装扰流板的管壳式换热器的缺点,提出在折流板上开孔以达到增强换热能力以及降低流动阻力。并采用CFD软件Fluent对四块上下布置的弓形开孔折流板管壳式换热器进行数值模拟。针对模拟结果的对比分析,我们发现,开孔折流板温度场以及压力场分布较为均匀,利于增强换热;借助上述获得的最优制冷剂流量,分别在最优流量下和常规流量下进行数值模拟。利用CFD软件Fluent在不同流量下进行弓形开孔折流板管壳式换热器进行数值模拟,进一步验证优化流量下的能提高换热性能
刘金辉[8]（2020）在《液位控制系统模型参数辨识与算法研究》文中研究说明液位是工业控制过程中常见的控制对象,许多工业控制过程都可以抽象成液位控制系统模型。液位控制系统可以对液位、流量和压力等参数进行测量和控制,能够很好地对工业生产过程进行模拟。为了提高液位控制系统对实验数据的处理能力,加强控制系统与先进控制算法的结合,本课题依托实验室自主研发的水箱液位实验装置,对液位控制系统可视化监控、液位控制系统模型参数辨识和液位控制算法进行研究,主要工作内容和研究成果如下:（1）根据实际需求,结合通用性仿真软件MATLAB的GUIDE工具箱,设计了一套与液位控制实验装置配套的可视化操作平台。该软件平台可以对被控对象进行实时监测与控制,动态获取控制对象的性能参数。借助MATLAB强大的数据计算和图像处理能力,按照不同的指标要求对原始实验数据进行处理,最后以曲线的形式进行实时显示,并对水箱的液位变化进行动态模拟。通过MATLAB与Access数据库联合使用,实现对实验数据的存储与管理。（2）采用阶跃响应法和最小二乘法对液位控制系统模型中的增益系数K、延时系数τ和时间响应系数T进行辨识,并根据模型评价指标对得到的辨识模型进行验证。结果表明,通过最小二乘法辨识得到的模型结构对实测数据的拟合程度较好,为液位控制对象的性能分析提供较为准确的数学模型,方便对液位控制算法的应用效果进行研究和分析。（3）为了改善模糊PID控制器在液位控制系统中的控制品质,分析研究了原始PID控制参数对模糊PID控制器控制效果的影响,利用遗传算法的全局寻优能力对原始PID控制参数进行优化,完成了遗传模糊PID控制器的设计。为了解决普通遗传算法的“早熟”问题,对遗传算法提出改进策略,并通过仿真实验对改进前后遗传算法优化的模糊PID控制器控制效果进行验证。实验结果表明,改进遗传算法较普通遗传算法具有更快的收敛速度,决策出的原始PID控制参数有效改善了被控对象的动态性能。本课题利用MATLAB GUIDE工具箱开发的液位控制系统软件界面,实现了通用仿真平台与专用控制系统的结合;对二阶液位控制系统模型参数进行辨识,为液位控制算法的仿真研究提供了数学模型。
赵世泉[9]（2020）在《大型船舶蒸汽动力装置汽/水回路协调最优控制技术研究》文中提出蒸汽动力装置具有功率大,体积小,重量轻,振动小的优点,我国大型船舶多采用蒸汽动力装置,包括辽宁舰。但大型船舶蒸汽动力装置汽/水回路控制系统结构复杂、设备繁多、系统参数耦合关系复杂,还具有非线性及时滞等特点,系统运行过程中具有多个稳定工况及动态转换过程,系统工况多变且负荷干扰频繁。为保证大型船舶蒸汽动力装置汽/水回路稳定安全的运行,改善其控制效果,同时充分考虑到设备的实际动作能力及设备间耦合关系,进行了大型船舶蒸汽动力装置汽/水回路协调最优控制技术研究。首先,分析了大型船舶蒸汽动力装置汽/水回路系统的结构组成及运行机理,将系统分解为增压锅炉、除氧器、冷凝器以及废汽总管等子系统,采用机理结合实验数据的方法,给出每个子系统的数学模型,克服了大型船舶蒸汽动力装置汽/水回路结构复杂、建模困难的问题,并利用汽/水回路增减负荷试验,验证了系统模型的准确性,为大型船舶蒸汽动力装置汽/水回路协调最优控制仿真试验及控制系统设计奠定了基础。其次,针对大型船舶蒸汽动力装置增压锅炉上锅筒水位系统中存在的干扰频繁、参数摄动以及无自平衡能力等问题,提出了增压锅炉上锅筒水位光滑滑模控制策略,通过设计终端光滑滑模面,将增压锅炉上锅筒水位滑模控制中的符号函数引入到系统控制律的二阶导数中,解决了控制系统的抖振现象,提高了上锅筒水位在大负荷变化情况下的稳定控制。接着,考虑大型船舶蒸汽动力装置汽/水回路变量耦合紧密,约束条件多的实际运行情况,提出了大型船舶蒸汽动力装置汽/水回路多目标优化模型预测控制策略,设计多层次优化分配器,给出分层递阶优化控制方法,利用带约束的滚动优化机制,对系统未来时刻输入序列进行了预测优化。在保障系统安全运行的前提下,提高了系统的跟踪性能以及节能性能。当控制系统状态偏差较小时,多目标优化模型预测控制策略将带约束优化问题转换为无约束优化问题,提高了模型预测控制算法的运行速度。然后,针对传统模型预测控制中,耗散函数权值因子维度大、参数配置困难的问题。提出了分数阶模型预测控制方法,将传统模型预测控制中的整数阶耗散函数替换为分数阶耗散函数,使多维权值因子优化问题转化为二维分数阶权值因子优化问题,降低了权重因子的优化维度。仿真试验结果表明:分数阶模型预测控制不仅提高了汽/水回路的跟踪性能,同时增强了系统的抗干扰性能。最后,结合大型船舶蒸汽动力装置汽/水回路采用PID控制的实际情况,提出了蒸汽动力装置汽/水回路参数自整定控制策略,利用单次小正弦试验,对输出信号进行时间加权变换,获取系统在工作点附近的频率特性,根据系统性能要求,构建系统动态特性“禁区”,确定“禁区”与系统开环奈斯特曲线的相切点,并结合纳什均衡机制对多变量控制器参数迭代计算,得到整定的控制器参数,提高汽/水回路控制系统的性能。通过与其他PID参数自整定方法进行仿真对比试验,验证了参数自整定控制策略的有效性。
常承毓[10]（2020）在《不同负载工况下泵控马达系统恒速控制研究》文中研究说明泵控马达调速系统在工程机械领域中的应用非常广泛。但是,泵控马达调速系统是一个高阶、非线性、时变系统,负载工况复杂多变,采用常规的控制算法对其进行控制很难获得满意的控制效果。国内对于泵控马达系统的研究主要是集中于参数和功率匹配问题,控制方法也是采用单一的控制策略。因此研究泵控马达系统在不同的负载工况下采用何种控制策略效果最佳具有非常重要的意义。主要的研究内容和方法如下:（1）利用理论建模的方法对泵控马达系统进行了建模,求解出系统的开、闭环传递函数,并根据系统的传递函数判断系统的稳定性。（2）建立系统的控制框架,提出灵活运用经典PID控制、专家PID控制、遗传算法PID控制以及BP神经网络PID控制等四种控制算法,在不同的负载工况下,实现对泵控马达系统的恒速控制。（3）根据联合仿真的原理,建立系统的AMESim物理模型,在Simulink中建立系统的控制器模块。通过联合仿真数据接口模块,将系统的物理模型与控制模块巧妙的连接起来,构成一个闭环控制系统。（4）通过AMESim与Simulink联合仿真和单纯的Simulink仿真,检验了控制方法的可行性。分析了系统在空载和不同外负载（突变、缓变、交变）工况下的动态性能。得到了系统在不同负载工况下,对应的最佳控制策略。通过对仿真结果的分析可得,空载状态下,专家PID控制系统的响应时间最短。不同外负载状态下,当外负载为突变载荷时,专家PID控制比其他三种控制策略的超调量小,恢复到新平衡状态的时间更短。当外负载为缓变载荷时,遗传算法PID控制的效果最好。当外负载为交变载荷时,BP神经网络PID控制的抗干扰能力最强。此外,不论是空载状态还是不同外负载状态,系统联合仿真的响应时间均比单纯的Smulink仿真时间长。最后,通过对比两种仿真方式的优缺点,发现采用联合仿真的方式对液压系统进行分析研究,可以获得更为可靠的仿真结果。
二、基于遗传算法的预测自整定PID控制器（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、基于遗传算法的预测自整定PID控制器（论文提纲范文）
（1）基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究（论文提纲范文）
| 缩略语表 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 间歇化工生产过程控制的难点及常用控制策略 |
| 1.2.1 间歇化工生产过程控制难点 |
| 1.2.2 间歇生产过程的常用控制策略 |
| 1.3 数据驱动控制 |
| 1.3.1 模型驱动控制与数据驱动控制的比较 |
| 1.3.2 PID控制及自整定策略 |
| 1.3.3 迭代学习控制 |
| 1.4 间歇化工过程控制复合架构研究 |
| 1.4.1 复合架构研究的必要性 |
| 1.4.2 复合架构的形式 |
| 1.4.3 间歇化工过程中复合架构迭代学习控制的应用情况 |
| 1.5 时序预测技术与终点质量迭代学习控制 |
| 1.5.1 时序预测技术研究现状 |
| 1.5.2 终点质量迭代学习控制研究现状 |
| 1.6 研究论文的主要内容 |
| 第二章 间歇化工过程批次内时间域控制 |
| 2.1 引言 |
| 2.2 RBF神经网络及差分进化算法 |
| 2.2.1 RBF神经网络结构及学习算法 |
| 2.2.2 差分进化算法 |
| 2.3 IDE-RBF-LM-PID算法设计 |
| 2.3.1 RBF-PID控制算法 |
| 2.3.2 LM算法改进RBF-PID |
| 2.3.3 IDE算法优化RBF网络 |
| 2.4 智能自整定PID控制算法电加热控制实现 |
| 2.4.1 电热水浴装置 |
| 2.4.2 算法设计 |
| 2.4.3 仿真验证 |
| 2.5 智能自整定PID控制算法微化工过程制冷箱控制实现 |
| 2.5.1 制冷箱和控制系统设计 |
| 2.5.2 程序设计 |
| 2.5.3 控制结果 |
| 2.6 智能自整定PID控制算法Chylla Haase间歇反应釜控制实现 |
| 2.6.1 Chylla Haase间歇反应装置 |
| 2.6.2 数学模型 |
| 2.6.3 Matlab Simulink模型开发 |
| 2.6.4 算法设计 |
| 2.6.5 仿真验证 |
| 2.7 本章小结 |
| 第三章 间歇化工过程批次间迭代学习控制及复合控制实现 |
| 3.1 引言 |
| 3.2 复合结构的稳定性分析 |
| 3.2.1 系统形式 |
| 3.2.2 复合控制器结构 |
| 3.2.3 稳定性分析 |
| 3.3 批次间迭代学习控制自适应算法设计 |
| 3.3.1 去伪控制算法 |
| 3.3.2 设计批次间去伪控制算法 |
| 3.3.3 基于有限控制器参数集合的去伪控制策略自适应ILC及算法收敛性证明 |
| 3.4 自适应迭代学习控制算法应用设计 |
| 3.4.1 间歇化工过程批次间控制的难点及大小批次划分 |
| 3.4.2 大小批次划分后初始控制问题 |
| 3.5 Chylla Haase间歇反应过程复合控制实验结果及分析 |
| 3.5.1 方案设计 |
| 3.5.2 结果分析 |
| 3.6 本章小结 |
| 第四章 基于LSTM的间歇蒸馏过程转馏分点预测及终点质量迭代学习控制 |
| 4.1 引言 |
| 4.2 基于LSTM的时序预测建模 |
| 4.2.1 模型建立流程 |
| 4.2.2 数据重构 |
| 4.2.3 长短期记忆神经网络建模基础 |
| 4.2.4 模型搭建与预测 |
| 4.3 数据驱动终点质量迭代学习控制对D1 蒸馏过程纯度的控制 |
| 4.3.1 终点迭代学习控制算法设计 |
| 4.3.2 算法实现 |
| 4.4 系统GUI软件集成 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文主要工作 |
| 5.2 主要创新点 |
| 5.3 下一步工作展望 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 主要简历 |
| 致谢 |
（2）变风量空调温度与温度解耦控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究目的 |
| 1.3 变风量空调温湿度研究现状 |
| 1.3.1 变风量空调温湿度国外研究现状 |
| 1.3.2 变风量空调温湿度国内研究现状 |
| 1.4 本文主要研究内容 |
| 1.5 本文主要结构及章节安排 |
| 2 变风量空调温湿度控制对象分析 |
| 2.1 变风量空调系统概述 |
| 2.2 变风量空调系统基本原理 |
| 2.3 变风量空调末端装置 |
| 2.3.1 变风量空调总风管风量控制方法 |
| 2.3.2 变风量空调末端控制回路分析 |
| 2.4 湿空气焓湿图 |
| 2.4.1 焓湿图的构成 |
| 2.4.2 焓湿图的应用 |
| 2.4.3 焓湿图舒适区的确定 |
| 2.5 本章小结 |
| 3 变风量空调系统温湿度控制对象建模 |
| 3.1 建模方法 |
| 3.1.1 建模方法种类 |
| 3.1.2 辨识原理及步骤 |
| 3.2 变风量空调系统控制回路分析 |
| 3.3 被控对象模型的建立 |
| 3.3.1 .房间温度模型 |
| 3.3.2 .房间湿度模型 |
| 3.3.3 房间温湿度耦合特性分析 |
| 3.4 本章小结 |
| 4 变风量空调温湿度解耦控制研究 |
| 4.1 解耦控制概述 |
| 4.2 变风量空调温湿度前馈补偿解耦设计 |
| 4.3 变风量空调温湿度逆系统解耦控制系统 |
| 4.3.1 逆系统解耦控制原理 |
| 4.3.2 变风量空调温湿度神经网络逆系统解耦控制结构 |
| 4.3.3 变风量空调逆系统解耦算法设计 |
| 4.3.4 变风量空调温湿度RBF神经网络逆系统训练 |
| 4.3.5 变风量空调温湿度逆系统解耦控制方案 |
| 4.4 变风量空调温湿度逆模型自适应PID控制器优化设计 |
| 4.4.1 萤火虫算法的基本原理 |
| 4.4.2 GSO优化BP神经网络 |
| 4.4.3 变风量空调温湿度总方案设计 |
| 4.5 本章小结 |
| 5 变风量空调温湿度仿真及结果分析 |
| 5.1 房间温度控制回路仿真分析 |
| 5.2 房间湿度控制回路仿真分析 |
| 5.3 变风量空调温湿度控制仿真分析 |
| 5.3.1 变风量空调温湿度耦合仿真分析 |
| 5.3.2 变风量空调温湿度前馈补偿解耦仿真分析 |
| 5.3.3 变风量空调温湿度神经网络逆系统解耦仿真分析 |
| 5.3.4 变风量空调温湿度GSO优化仿真分析 |
| 5.4 变风量空调房间温湿度实验结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 本文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（3）交流伺服系统高性能电流环控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及意义 |
| 1.4 论文结构及章节排布 |
| 第二章 永磁同步电机伺服系统数学模型分析及矢量控制原理 |
| 2.1 交流永磁同步电机的基本构造 |
| 2.2 永磁同步电机伺服系统的数学模型 |
| 2.2.1 永磁同步电机的坐标系 |
| 2.2.2 坐标变换 |
| 2.2.3 永磁同步电机的数学模型 |
| 2.2.4 永磁同步电机伺服系统的内部环节构造分析 |
| 2.3 永磁同步电机的矢量控制原理 |
| 2.4 电压空间矢量脉冲宽度调制方法 |
| 2.5 PID控制器在控制系统中的应用 |
| 2.6 本章小结 |
| 第三章 基于改进粒子群优化算法的电流环参数自整定 |
| 3.1 粒子群优化策略的概念 |
| 3.1.1 粒子群优化算法的基本原理 |
| 3.1.2 粒子群优化算法的算法流程 |
| 3.1.3 粒子群优化算法中的参数分析及其设置方法 |
| 3.2 改进的粒子群优化算法 |
| 3.3 基于粒子群优化算法的电流环参数自整定控制器的设计 |
| 3.3.1 控制系统的性能指标分析 |
| 3.3.2 PI参数自整定基于改进粒子群优化算法的实现 |
| 3.4 改进粒子群优化算法PI参数自整定的评估 |
| 3.5 改进粒子群优化算法PI参数自整定的Simulink仿真 |
| 3.6 仿真结果 |
| 3.7 本章小结 |
| 第四章 永磁同步电机神经网络自适应控制 |
| 4.1 引言 |
| 4.2 单神经元自适应PID控制 |
| 4.2.1 单神经元基本模型 |
| 4.2.2 单神经元自适应PID控制结构及算法 |
| 4.2.3 单神经元自适应PID控制系统仿真实例 |
| 4.3 径向基函数神经网络整定PID控制 |
| 4.3.1 径向基函数神经网络构成机理、模型及学习算法 |
| 4.3.2 径向基函数神经网络整定PID控制系统结构及整定算法 |
| 4.3.3 径向基函数神经网络整定PID控制系统仿真实例 |
| 4.4 本章小结 |
| 第五章 伺服系统电流环参数自整定实验设计及研究 |
| 5.1 实验硬件平台搭建 |
| 5.1.1 实验伺服驱动器及电机 |
| 5.1.2 数字信号处理器DSP TMS320F280049 |
| 5.2 程序调试 |
| 5.3 硬件调试工作 |
| 5.4 改进粒子群优化算法参数自整定实验 |
| 5.5 实验结果分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（4）温室大棚温湿度智能控制策略研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 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 温室大棚温湿度系统建模研究现状 |
| 1.2.2 温室大棚温湿度控制算法研究现状 |
| 1.2.3 作物积温理论研究现状 |
| 1.2.4 国内外研究现状小结 |
| 1.3 主要研究内容 |
| 第2章 温室大棚系统基础理论 |
| 2.1 试验温室大棚系统环境分析 |
| 2.1.1 试验温室大棚系统架构 |
| 2.1.2 温室大棚环境因子分析 |
| 2.1.3 温室大棚温湿度控制问题分析 |
| 2.2 温室大棚温湿度数据及执行机构 |
| 2.2.1 数据采集 |
| 2.2.2 温湿度控制执行机构 |
| 2.3 温室大棚相关理论 |
| 2.3.1 温室大棚模型理论 |
| 2.3.2 控制器设计相关理论 |
| 2.3.3 积温理论 |
| 2.4 本章小结 |
| 第3章 温室大棚温湿度的机理建模与跟踪控制优化 |
| 3.1 温室大棚温湿度机理模型建立及验证 |
| 3.1.1 温室大棚温湿度机理模型搭建 |
| 3.1.2 温室大棚温湿度机理模型验证 |
| 3.2 跟踪控制策略规则制定 |
| 3.3 目标值跟踪控制器的设计与仿真 |
| 3.3.1 基于遗传算法的温室大棚温湿度控制器设计 |
| 3.3.2 温湿度目标值跟踪器仿真对比 |
| 3.4 本章小结 |
| 第4章 温室大棚温湿度的辨识建模与智能控制优化 |
| 4.1 基于改进PSO算法的温室大棚温湿度辨识模型 |
| 4.1.1 PSO算法改进 |
| 4.1.2 温室大棚温湿度支持向量回归辨识模型搭建 |
| 4.1.3 温室大棚温湿度辨识模型仿真对比 |
| 4.2 智能控制策略规则制定 |
| 4.3 积温智能控制器的设计及仿真 |
| 4.3.1 基于支持向量机的温室大棚温湿度控制器设计 |
| 4.3.2 温湿度积温智能控制器仿真对比 |
| 4.4 本章小结 |
| 第5章 温室大棚温湿度智能控制策略实现 |
| 5.1 硬件设施 |
| 5.2 软件平台 |
| 5.3 控制情况分析 |
| 5.3.1 目标值跟踪控制情况 |
| 5.3.2 积温智能控制情况 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 在学期间研究成果 |
| 致谢 |
（5）遗传优化RBF-PID的电动变量施肥控制系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的目的和意义 |
| 1.2 变量施肥国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究的主要内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 2 电动变量施肥试验台设计 |
| 2.1 试验台整体结构及工作原理 |
| 2.1.1 试验台整体结构 |
| 2.1.2 工作原理 |
| 2.2 试验台主要部件 |
| 2.3 影响施肥量的主要因素 |
| 2.4 变量施肥控制方法的分析 |
| 2.4.1 变量施肥控制方法的类型 |
| 2.4.2 比较三种变量施肥控制方法 |
| 2.5 电动变量施肥控制系统的硬件设计 |
| 2.5.1 控制系统总体方案 |
| 2.5.2 系统的主要模块 |
| 2.6 本章小结 |
| 3 电动变量施肥控制系统的数学建模 |
| 3.1 电机的选型 |
| 3.2 直流电机数学模型的建立 |
| 3.3 直流电机特性 |
| 3.3.1 调速原理 |
| 3.3.2 PWM 模块 |
| 3.4 系统稳定性研究 |
| 3.5 本章小结 |
| 4 遗传优化RBF-PID的控制方法 |
| 4.1 PID 控制算法 |
| 4.1.1 PID基本原理 |
| 4.1.2 PID控制作用 |
| 4.1.3 增量式PID控制 |
| 4.2 BP-PID控制策略 |
| 4.2.1 BP-PID基本原理 |
| 4.2.2 BP-PID的网络结构 |
| 4.2.3 BP-PID控制规律 |
| 4.2.4 BP-PID仿真 |
| 4.3 RBF-PID控制策略 |
| 4.3.1 BP和 RBF神经网络的区别 |
| 4.3.2 RBF神经网络结构 |
| 4.3.3 RBF-PID基本原理 |
| 4.3.4 RBF神经网络整定PID参数 |
| 4.3.5 RBF-PID控制规律 |
| 4.3.6 RBF-PID仿真 |
| 4.4 遗传算法优化RBF-PID控制策略 |
| 4.4.1 遗传算法 |
| 4.4.2 遗传算法优化RBF-PID基本原理 |
| 4.4.3 遗传算法训练RBF网络 |
| 4.4.4 遗传算法优化RBF-PID |
| 4.4.5 遗传算法优化RBF-PID仿真 |
| 4.5 PID参数控制软件 |
| 4.6 文章小结 |
| 5 电动变量施肥试验与分析 |
| 5.1 施肥试验目的 |
| 5.2 施肥试验条件 |
| 5.2.1 试验时间及地点 |
| 5.2.2 试验设备 |
| 5.2.3 试验材料 |
| 5.3 施肥量的测定试验 |
| 5.3.1 试验设计 |
| 5.3.2 控制特性 |
| 5.4 文章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
| 个人情况 |
| 科研经历 |
| 教育背景 |
| 在学期间发表论文 |
（6）四旋翼飞行器抗干扰研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的背景及研究意义 |
| 1.2 研究现状 |
| 1.3 控制方法发展状态 |
| 1.4 本文的主要工作 |
| 第2章 四旋翼飞行器动力学建模 |
| 2.1 四旋翼飞行器运动原理 |
| 2.1.1 升降运动 |
| 2.1.2 偏航运动 |
| 2.1.3 俯仰运动 |
| 2.1.4 滚转运动 |
| 2.2 动力学建模 |
| 2.2.1 坐标系定义及坐标变换 |
| 2.2.2 动力学模型的建立 |
| 2.3 四旋翼飞行器仿真建模 |
| 2.4 本章小结 |
| 第3章 紊流风场建模 |
| 3.1 紊流风场模型 |
| 3.2 风场下的飞行器力学分析 |
| 3.3 飞行器整体受力分析 |
| 3.4 本章小结 |
| 第4章 基于PD控制的控制系统设计 |
| 4.1 PID控制原理介绍 |
| 4.2 PID控制器系数的影响 |
| 4.3 控制器参数整定方式 |
| 4.4 PD控制器设计 |
| 4.4.1 控制器参数 |
| 4.4.2 姿态角控制仿真模型 |
| 4.5 仿真测试 |
| 4.5.1 无风扰条件下仿真 |
| 4.5.2 有风扰条件下仿真 |
| 4.6 本章小结 |
| 第5章 控制系统优化设计 |
| 5.1 模糊PID控制原理 |
| 5.1.1 模糊控制器的优势 |
| 5.1.2 模糊逻辑与模糊推理 |
| 5.2 模糊自适应PD控制器设计 |
| 5.3 模糊自整定PD姿态控制系统设计 |
| 5.4 模糊自适应PD控制器结果分析 |
| 5.4.1 无风条件下模糊自适应PD控制器姿态角仿真验证 |
| 5.4.2 有风条件下模糊自适应PD控制器姿态角仿真验证 |
| 5.5 串级模糊自适应PD控制器设计 |
| 5.6 仿真验证及结果分析 |
| 5.6.1 无风条件下串级模糊自适应PD控制器姿态角仿真验证 |
| 5.6.2 有风条件下串级模糊自适应PD控制器姿态角仿真验证 |
| 5.7 遗传算法优化模糊规则的控制器设计 |
| 5.8 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（7）基于数值模拟的过热度优化控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题开展的前景和价值 |
| 1.2 国内外研究成果现状 |
| 1.2.1 电子膨胀阀的研究现状 |
| 1.2.2 PID控制器的研究现状 |
| 1.2.3 管壳式换热器的研究现状 |
| 1.3 本文的主要工作 |
| 2 电子膨胀阀流量及控制特性仿真分析 |
| 2.1 电子膨胀阀组成及原理 |
| 2.1.1 电子膨胀阀的结构 |
| 2.1.2 电子膨胀阀的工作原理 |
| 2.2 电子膨胀阀仿真系统 |
| 2.2.1 数学模型的建立 |
| 2.2.2 电子膨胀阀控制特性分析 |
| 2.3 计算机仿真实验 |
| 2.3.1 传递函数的确定 |
| 2.3.2 电子膨胀阀流量特性分析 |
| 2.3.3 计算机仿真结果及分析 |
| 2.4 本章小结 |
| 3 制冷系统过热度模糊PID控制器的设计与仿真 |
| 3.1 电子膨胀阀控制系统 |
| 3.1.1 电子膨胀阀控制系统工作原理 |
| 3.1.2 PID控制算法 |
| 3.2 模糊自整定控制器的设计 |
| 3.2.1 模糊自整定控制系统结构 |
| 3.2.2 模糊控制器输入与输出变量的设计 |
| 3.3 模糊控制表的建立 |
| 3.4 模糊自整定控制系统的仿真 |
| 3.4.1 模糊自整定控制器的搭建 |
| 3.4.2 仿真结果及分析 |
| 3.5 模糊控制PID控制器对过热度的影响 |
| 3.6 本章小结 |
| 4 基于粒子群算法的PID控制器参数整定 |
| 4.1 标准PSO算法的简介 |
| 4.1.1 最初PSO算法的来源 |
| 4.1.2 标准PSO算法的求解原理 |
| 4.1.3 PSO算法寻优流程及参数选取 |
| 4.2 基于PSO算法的PID参数整定 |
| 4.2.1 PID参数初值的确定、适应度函数的选择及算法实现 |
| 4.3 优化结果分析 |
| 4.4 本章小结 |
| 5 系统在串级控制下的过热度 |
| 5.1 最优控制 |
| 5.2 房间温度数学模型的构建 |
| 5.3 电子膨胀阀与蒸发器整体化数学模型的建立 |
| 5.4 基于PID控制恒温房仿真控制系统 |
| 5.5 本章小结 |
| 6 管壳式换热器的优化及最佳COP下的数值模拟 |
| 6.1 模型的建立 |
| 6.1.1 数学模型 |
| 6.1.2 几何模型 |
| 6.2 计算方法与边界条件 |
| 6.2.1 计算模型的选择 |
| 6.2.2 边界条件 |
| 6.2.3 网格无关性验证 |
| 6.3 计算结果与分析 |
| 6.3.1 压力场分析 |
| 6.3.2 温度场分析 |
| 6.3.3 速度场分析 |
| 6.4 最佳COP下制冷剂流量 |
| 6.5 不同制冷剂流速下的管壳式换热器数值模拟 |
| 6.5.1 两种入口流速下的速度场分析 |
| 6.5.2 两种入口流速下的压力场分析 |
| 6.5.3 两种入口流速下的温度场分析 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 本文主要工作总结 |
| 7.2 对未来工作的展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文 |
| 致谢 |
（8）液位控制系统模型参数辨识与算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 水箱液位控制系统的研究现状 |
| 1.3 液位控制算法的研究现状 |
| 1.4 系统辨识的发展与应用 |
| 1.5 课题主要研究工作 |
| 第2章 液位控制系统的GUI设计 |
| 2.1 图形化用户界面概述 |
| 2.1.1 GUI用户界面的构成 |
| 2.1.2 M文件的组成和数据传递 |
| 2.2 液位控制系统软件结构和设计流程 |
| 2.3 液位控制系统可视化界面设计 |
| 2.4 控制策略和控制结构选择 |
| 2.4.1 控制策略选择 |
| 2.4.2 控制结构选择 |
| 2.5 实时曲线显示 |
| 2.5.1 串口通信 |
| 2.5.2 定时器应用 |
| 2.6 数据整理 |
| 2.6.1 数据库与数据管理 |
| 2.6.2 模型辨识 |
| 2.7 被控对象显示与参数设置 |
| 2.8 菜单目录设计 |
| 2.9 本章小结 |
| 第3章 液位控制系统模型参数辨识 |
| 3.1 系统辨识 |
| 3.2 系统辨识的目的和步骤 |
| 3.3 液位控制系统介绍 |
| 3.3.1 液位控制实验系统 |
| 3.3.2 液位控制系统物理结构 |
| 3.3.3 液位控制系统模型分析 |
| 3.4 液位控制系统模型参数辨识 |
| 3.4.1 阶跃响应系统辨识法 |
| 3.4.2 最小二乘系统辨识法 |
| 3.5 系统模型验证 |
| 3.6 本章小结 |
| 第4章 遗传模糊PID控制算法的研究与应用 |
| 4.1 引言 |
| 4.2 模糊PID控制器设计与应用 |
| 4.2.1 常规PID控制器 |
| 4.2.2 模糊PID控制器设计 |
| 4.2.3 模糊PID控制器在液位控制系统中的应用 |
| 4.3 遗传模糊PID控制器设计与应用 |
| 4.3.1 遗传控制算法原理 |
| 4.3.2 遗传算法的基本操作 |
| 4.3.3 遗传算法优化模糊PID基本思想 |
| 4.3.4 遗传模糊PID控制器设计 |
| 4.3.5 遗传模糊PID控制器在液位控制系统中的应用 |
| 4.4 遗传算子的改进 |
| 4.5 改进遗传模糊PID控制器设计 |
| 4.6 改进遗传模糊PID控制器在液位控制系统中的应用 |
| 4.7 本章小结 |
| 第5章 总结和展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）大型船舶蒸汽动力装置汽/水回路协调最优控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 大型船舶蒸汽动力装置汽/水回路研究现状 |
| 1.2.1 船舶动力装置发展现状 |
| 1.2.2 增压锅炉上锅筒水位控制技术发展现状 |
| 1.2.3 除氧器压力及水位控制技术发展现状 |
| 1.2.4 冷凝器水位控制技术发展现状 |
| 1.2.5 废汽总管压力控制技术发展现状 |
| 1.3 大型船舶蒸汽动力装置汽/水回路控制系统主要存在的问题 |
| 1.3.1 上锅筒水位控制问题 |
| 1.3.2 除氧器压力及水位控制问题 |
| 1.3.3 冷凝器水位及除氧器水位控制问题 |
| 1.3.4 废汽总管压力及除氧器压力控制问题 |
| 1.4 本文主要研究内容 |
| 第2章 大型船舶蒸汽动力装置汽/水回路数学建模研究 |
| 2.1 引言 |
| 2.2 大型船舶蒸汽动力装置汽/水回路数学模型 |
| 2.2.1 增压锅炉数学模型 |
| 2.2.2 除氧器数学模型 |
| 2.2.3 冷凝器数学模型 |
| 2.2.4 废汽总管数学模型 |
| 2.3 大型船舶蒸汽动力装置汽/水回路数学模型验证 |
| 2.3.1 汽/水回路数学模型仿真试验环境 |
| 2.3.2 汽/水回路增负荷仿真试验 |
| 2.3.3 汽/水回路降负荷仿真试验 |
| 2.4 大型船舶蒸汽动力装置汽/水回路动态特性分析 |
| 2.5 本章小结 |
| 第3章 增压锅炉上锅筒水位光滑滑模变结构控制策略研究 |
| 3.1 引言 |
| 3.2 增压锅炉上锅筒水位光滑滑模控制策略研究 |
| 3.2.1 增压锅炉上锅筒水位光滑滑模控制器设计 |
| 3.2.2 增压锅炉上锅筒水位光滑滑模控制系统稳定性分析 |
| 3.2.3 基于高性能遗传算法的光滑滑模控制器设计 |
| 3.3 增压锅炉上锅筒水位光滑滑模控制策略仿真试验分析 |
| 3.4 本章小结 |
| 第4章 大型船舶蒸汽动力装置汽/水回路多目标优化模型预测控制策略研究 |
| 4.1 引言 |
| 4.2 大型船舶蒸汽动力装置汽/水回路模型预测控制策略研究 |
| 4.2.1 汽/水回路集中式模型预测控制器设计 |
| 4.2.2 汽/水回路分布式模型预测控制器设计 |
| 4.2.3 汽/水回路分散式模型预测控制器设计 |
| 4.3 大型船舶蒸汽动力装置汽/水回路多目标优化模型预测控制策略研究 |
| 4.4 大型船舶蒸汽动力装置汽/水回路多目标优化模型预测控制系统稳定性分析 |
| 4.5 大型船舶蒸汽动力装置汽/水回路多目标优化预测控制策略仿真试验分析 |
| 4.5.1 汽/水回路分布式模型预测控制策略仿真试验分析 |
| 4.5.2 汽/水回路多目标优化模型预测控制策略仿真试验分析 |
| 4.5.3 汽/水回路多目标优化模型预测控制系统稳定性验证分析 |
| 4.6 本章小结 |
| 第5章 大型船舶蒸汽动力装置汽/水回路分数阶模型预测控制策略研究 |
| 5.1 引言 |
| 5.2 大型船舶蒸汽动力装置汽/水回路传统模型预测控制策略存在的问题 |
| 5.3 大型船舶蒸汽动力装置汽/水回路分数阶模型预测控制策略研究 |
| 5.4 大型船舶蒸汽动力装置汽/水回路分数阶模型预测控制策略仿真试验分析 |
| 5.4.1 不同分数阶对汽/水回路性能的影响 |
| 5.4.2 汽/水回路跟踪性能仿真试验分析 |
| 5.4.3 汽/水回路抗负荷扰动仿真试验分析 |
| 5.5 本章小结 |
| 第6章 大型船舶蒸汽动力装置汽/水回路无模型参数自整定控制策略研究 |
| 6.1 引言 |
| 6.2 大型船舶蒸汽动力装置汽/水回路无模型参数自整定控制策略研究 |
| 6.2.1 无模型参数自整定控制器设计 |
| 6.2.2 无模型参数自整定控制策略在汽/水回路中的应用 |
| 6.3 大型船舶蒸汽动力装置汽/水回路无模型参数自整定控制策略仿真试验分析 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）不同负载工况下泵控马达系统恒速控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 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 控制算法研究现状的总结与分析 |
| 1.3.1 控制策略研究现状的总结 |
| 1.3.2 控制策略研究现状的分析 |
| 1.4 主要研究内容 |
| 第二章 泵控马达系统数学模型的建立 |
| 2.1 数学建模的方法 |
| 2.2 泵控马达转速控制系统数学模型的建立 |
| 2.2.1 电-机械转换元件 |
| 2.2.2 比例方向控制阀 |
| 2.2.3 阀控液压缸 |
| 2.2.4 液压缸活塞—变量泵斜盘倾角 |
| 2.2.5 泵控马达闭式回路 |
| 2.2.6 转速传感器建模 |
| 2.2.7 比例放大器建模 |
| 2.3 泵控马达闭式回路的传递函数 |
| 2.4 泵控马达系统传递函数中各个参数的确定 |
| 2.5 系统稳定性的判定 |
| 2.6 本章小结 |
| 第三章 泵控马达系统恒速控制策略 |
| 3.1 系统控制框架 |
| 3.2 PID控制器的设计 |
| 3.2.1 PID控制器的基本原理和设计 |
| 3.2.2 经典PID控制器参数的确定 |
| 3.2.3 经典PID控制算法的分析 |
| 3.3 专家PID控制器的设计 |
| 3.3.1 专家PID控制器的结构组成 |
| 3.3.2 专家PID控制器控制规则的设计 |
| 3.3.3 专家PID控制器仿真参数的设定 |
| 3.4 遗传算法PID控制器的设计 |
| 3.4.1 遗传算法PID控制器的原理 |
| 3.4.2 遗传算法PID控制器的参数优化过程 |
| 3.4.3 适应度函数的确定 |
| 3.4.4 遗传PID控制器仿真参数的设定 |
| 3.5 BP神经网络PID控制器的设计 |
| 3.5.1 BP神经网络PID控制器的原理 |
| 3.5.2 BP神经网络结构的确定及参数优化过程 |
| 3.5.3 BP神经网络PID控制器参数的设定 |
| 3.6 本章小结 |
| 第四章 基于AMESim与 Simulink联合仿真泵控马达系统的建模 |
| 4.1 AMESim软件的应用 |
| 4.2 联合仿真的原理和步骤 |
| 4.2.1 联合仿真的原理 |
| 4.2.2 联合仿真的步骤 |
| 4.3 基于AMESim的系统物理模型的建立及参数设置 |
| 4.3.1 基于AMESim的系统物理模型的建立 |
| 4.3.2 基于AMESim的系统物理模型的改进 |
| 4.3.3 物理模型参数的设置 |
| 4.4 泵控马达转速控制系统的联合仿真框架设计 |
| 4.4.1 泵控马达转速控制系统整体控制框架设计 |
| 4.4.2 泵控马达转速控制系统S函数的设计 |
| 4.4.3 泵控马达转速控制系统联合仿真模型的搭建 |
| 4.5 本章小结 |
| 第五章 泵控马达速度控制系统的仿真分析 |
| 5.1 系统仿真的意义 |
| 5.2 基于Simulink的仿真及结果分析 |
| 5.2.1 基于Simulink仿真模型的建立 |
| 5.2.2 空载时的仿真分析 |
| 5.2.3 不同外负载时的仿真分析 |
| 5.3 基于AMESim-Simulink的联合仿真及结果分析 |
| 5.3.1 联合仿真与单纯Simulink仿真的区别 |
| 5.3.2 空载时的仿真分析 |
| 5.3.3 不同外负载时的仿真分析 |
| 5.4 仿真结果的分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
四、基于遗传算法的预测自整定PID控制器（论文参考文献）
- [1]基于数据驱动的间歇化工过程批次内和批次间复合优化控制策略研究[D]. 于蒙. 军事科学院, 2021(02)
- [2]变风量空调温度与温度解耦控制方法研究[D]. 袁柯婷. 西安科技大学, 2021(02)
- [3]交流伺服系统高性能电流环控制策略研究[D]. 张铄. 电子科技大学, 2021(01)
- [4]温室大棚温湿度智能控制策略研究与实现[D]. 季彦东. 沈阳大学, 2021(06)
- [5]遗传优化RBF-PID的电动变量施肥控制系统研究[D]. 黄丽萍. 黑龙江八一农垦大学, 2020(09)
- [6]四旋翼飞行器抗干扰研究[D]. 胡孝栋. 新疆大学, 2020(07)
- [7]基于数值模拟的过热度优化控制研究[D]. 秦健. 西华大学, 2020(01)
- [8]液位控制系统模型参数辨识与算法研究[D]. 刘金辉. 杭州电子科技大学, 2020(02)
- [9]大型船舶蒸汽动力装置汽/水回路协调最优控制技术研究[D]. 赵世泉. 哈尔滨工程大学, 2020(04)
- [10]不同负载工况下泵控马达系统恒速控制研究[D]. 常承毓. 长安大学, 2020(06)