一、模拟电路实现的神经元控制器的仿真研究（论文文献综述）
丁枫[1]（2021）在《新型云水含量传感器与阵列式球型温度传感器设计》文中进行了进一步梳理气象探测对农业生产、防灾减灾、交通与能源安全、国防等领域都具有重要意义,气象传感器是为气候变化观测、数值天气预报等应用提供原始测量数据,在气象行业发挥不可或缺的作用。本文设计了一种可适用于探空仪搭载的“Y”型结构云水含量传感器,用于测量云中液态水含量,针对性解决了传统测量仪器人工操作困难、消耗功率大等问题;本文亦提出了一种阵列式温度传感器,可降低太阳辐射误差,提高温度观测精度,可用于地面气象站或由探空仪搭载进行高空气象观测。本文利用计算流体动力学（CFD）方法,仿真出云水含量传感器加热功率与接触到的液态水含量之间的关系,为保证云水含量传感器的温度控制效果,采用单神经元PID算法对加热元件的温度进行实时调整。为进行实验测试,搭建了一套环境模拟实验平台。结果表明在云水含量为1.0g/m3,云水含量传感器的平均功耗为1.74W。为降低太阳辐射误差,设计了一种阵列式球型温度传感器,无需采用传统的百叶箱或防辐射罩。利用阵列式球型温度传感器各探头之间的辐射误差比值关系,即可推导出环境温度的真实值。提出采用极限学习机（ELM）算法获得该比值与环境因素之间的关系,算法拟合均方根误差为0.0245K,真实测量误差均值为0.145K,均方根误差为0.16K,具有较好的测量精度。
罗明帅[2]（2021）在《跑步机变频调速控制器的开发》文中研究说明随着人们健康意识的提高,尤其是新冠肺炎爆发以来,居家锻炼已成为一种趋势。跑步机作为一种重要的室内健身器材得到了较为广泛的应用。人在跑步过程中,由于每个运动者的体重和速度均不一样,导致负载转矩变化很大。因此,本文旨在开发一款跑步机专用的交流调速控制器,使其在脉冲负载的作用下,电机转速平缓调节,实现舒适控制。本文对跑步机的数学模型、矢量控制、电压空间脉宽矢量和脉冲型负载特性作了详细的分析,并建立了基于脉冲型负载的矢量控制系统结构图。针对矢量控制中PI控制器自适应能力不足的问题,提出了一种单神经元PI控制器,并利用Sgn函数和模糊控制分别对单神经元PI控制器的比例增益K进行优化,进一步提高其自适应能力。将上述理论分析在Matlab/Simulink环境下进行建模与仿真,仿真结果表明控制系统具有更好的鲁棒性。在仿真验证的基础上,以DSP TMS320F28335为控制核心开发了一款控制器。首先根据跑步机参数要求,对控制器的电源部分、数字部分以及模拟部分相关电路进行设计,然后利用CCS操作平台对整个系统的主程序和中断服务子程序进行编写,最后对所开发的控制器进行调速性能测试。测试结果表明本文所开发的跑步机变频调速控制器在面对不同类型的脉冲负载时,均能使电机转速的超调量维持在3%以内,满足跑步机国家标准GB17498.6-2008最高速度准确度等级。
姜珊[3]（2021）在《无人机光电系统视轴稳定方法研究》文中研究指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。
王承强[4]（2021）在《动力换挡变速箱控制器故障检测系统研究》文中研究表明动力换挡变速箱（Power Shift Transmission PST）是拖拉机传动系统的核心部件之一,所以PST控制器需满足高可靠性、低故障率的要求。在投入使用前,控制器需要进行大量的测试,本文研究动力换挡变速箱控制器故障检测和测试序列优化方法,基于硬件在环（Hardware in loop HIL）平台开发了动力换挡控制器故障检测系统。本文结合动力换挡控制器的工作原理,分析控制器测试需求,确定了控制器故障检测系统功能,设计了动力换挡控制器故障检测系统总体方案,完成动力换挡控制器HIL测试平台硬件选型,设计开发了功率级负载箱,并通过试验验证负载箱的安全性。利用AMESim建立了动力换挡变速箱模型,基于Veri Stand和Lab VIEW开发故障检测系统上位机软件,实现了动力换挡控制器的功率级HIL测试。基于神经网络研究动力换挡控制器故障检测算法,分析LVQ神经网络进行故障检测的原理,对LVQ神经网络存在的初始权值敏感问题进行优化改进,分别将MEA和PSO算法与LVQ神经网络结合,构建出MEA-LVQ和PSO-LVQ神经网络模型,再利用动力换挡控制器的测试数据进行训练。将优化后的MEA-LVQ神经网络和PSO-LVQ神经网络分别用于测试集验证中,经测试结果分析得出,基于MEA-LVQ神经网络的故障检测算法用于动力换挡控制器的故障检测效果较好。本文分析了测试用例设计方法,设计了动力换挡控制器测试用例,研究了测试序列优化生成方法,将遗传算法、组合式算法应用于测试序列的优化中,优化生成测试序列并进行对比分析,利用测试序列实现了动力换挡控制器部分自动化测试。利用标定软件标定所开发的动力换挡控制器故障检测系统电流电压等信号,建立动力换挡控制器振动模型,完成控制器的振动仿真和振动试验,经仿真与试验结果分析得出控制器的危险易损频率,采集控制器在经历危险易损频率后的各项数据用于故障检测算法训练验证。完成动力换挡控制器故障检测系统的动力换挡、故障注入与检测等试验,验证了动力换挡控制器故障检测系统的各项功能。
韦辰[5]（2021）在《基于忆阻的不同神经元模型投影同步分析》文中认为神经元是神经网络的基本构造单位,通过构造神经元模型实现对神经元的研究能够极大地促进仿生控制、神经医学以及数据预测等学科的发展。忆阻器具有多种非线性特征,非常适合在工程应用层面实现对神经元电路各项非线性行为的模拟。同步行为是神经元的重要行为特征,对忆阻神经元模型同步的研究可以有力地推动了医学与通信等工程领域内神经元相关研究的发展。本文通过构造非光滑反馈控制器,利用不连续动力学理论,分析研究Fitz Hugh-Nagumo（FHN）忆阻神经元系统与Hindmarsh–Rose（HR）忆阻神经元系统在投影同步下的同步机理与特性,具体研究内容如下:（1）构建FHN新型忆阻神经元电路,设计非光滑反馈控制器,完成同构FHN忆阻神经元电路比例投影同步。在传统FHN模型中加入光滑双曲正切介导非线性理想忆阻器,构建新型FHN神经元模型,在利用动力学分析方法选取合适的系统参数之后,分析所设计的非光滑反馈控制器的控制参数对同步效果的影响,利用参数图完成系统部分与完全同步的参数分析,并通过Multisim仿真平台实现同步电路的模拟,验证电路的物理可实现性。（2）分析韦库域内FHN忆阻神经元电路的动力学行为,利用不连续动力学理论,讨论系统同步机理并实现同步数字电路。对提出的FHN新型神经元模型电路进行降维处理,分析降维后韦库域内系统的动力学特性为比例投影同步选择系统参数,研究非光滑反馈控制器控制参数对同步效果的影响,并利用时序图与相图等参数图分析控制效果,最后利用Multisim与FPGA数字电路实现同步电路的物理验证。（3）引入HR忆阻神经元电路,结合FPGA数字电路,分析控制参数对FHN与HR忆阻神经元电路同步影响。选择HR忆阻神经元电路,在对其进行动力学特性分析的基础上选取合适的系统参数,对FHN与HR进行异构比例投影同步分析,分析非光滑反馈控制器中不同控制参数的控制效果,并最终利用FPGA对同步电路进行仿真实现。
刘夏恺[6]（2021）在《基于FPGA的大规模神经形态系统关键技术研究》文中提出自脑科学发展以来,人们就一直致力于重现具备人脑的规模和算力的计算系统,即基于计算神经科学的类脑计算。在传统的冯·诺依曼计算机上实现类脑智能难度大、能耗高、效率低,而神经形态系统有着接近人脑的信息处理机制,具有优秀的并行性、容错性和较低的功耗,有利于类脑计算的实现。FPGA的硬件可编程、高度并行计算的特点,可以充分发挥神经形态计算并行执行的优点,为神经形态计算的实现提供新的途径。本文提出了一种基于FPGA的大规模神经形态系统,完成了设计,验证,编译,并测试了相关功能应用。本文重点对神经元电路设计、神经形态系统架构设计、系统内部模块设计、功能验证与应用部署四个方面进行了研究,主要研究内容如下:（1）LIF神经元电路的设计和验证。脉冲神经网络的基本单元是脉冲神经元,对比多种脉冲神经元后最终选用LIF神经元（Leaky Integrate-and-Fire,LIF）作为本系统的神经元模型。对LIF神经元的数学模型进行简化得到适合数字电路实现的模型,引入参数共享技术后完成了单个神经元的数字电路设计。使用Verilog语言完成编写,完成编写后搭建UVM验证平台进行了仿真验证,最终得到结构简单、可靠性强、具备参数共享功能的LIF神经元模块。（2）基于LIF神经元的神经形态系统架构设计。以LIF神经元为基础,根据规模、功能、性能等指标的要求,进行神经形态系统的构建。系统设计包括功能划分、互联通信设计和顶层端口逻辑设计。把系统按功能划分为顶层控制模块、运算核与传输模块;互联通信设计决定了数据交互方式;顶层端口逻辑实现了系统和上位机的交互功能,规定了数据传输时序。架构设计完成后,得到了使用片外存储、具备良好可拓展性的神经形态系统的基本框架。（3）神经形态系统内部模块设计。依次完成顶层控制模块、运算核、传输模块的设计。运算核承担了神经形态运算功能,采用了参数共享技术和内核复用技术,大幅节省硬件开销;顶层控制模块用于控制系统运行;传输模块用于完成运算数据和参数的传输。把上述模块集成后,得到了完整的大规模神经形态系统。该系统包含128个物理神经元和最多1048576个虚拟神经元,神经网络规模可自由选择,神经元参数可自由配置,运算核之间自由连接,具备强大的兼容性,可作为硬件平台实现各种应用。（4）神经形态系统验证与应用研究。搭建UVM验证平台完成了整个系统的仿真验证,用Quartus和DC分别编译后得到资源开销。论述了系统对不同功能应用的兼容性,完成参数部署后把工程烧写到FPGA开发板上进行测试,并运行了手写数字识别应用,以PC为上位机完成了1056幅图片的识别,最终识别准确率为97.92%。完成了对脉冲神经网络和脉冲神经元、脉冲神经元模块设计、神经形态系统架构设计、系统内部模块设计的研究后,最终实现了高自由度、高兼容性、资源开销少的大规模神经形态系统。
申明星[7]（2021）在《基于神经网络滑模控制的DC/DC变换器研制》文中研究指明DC/DC变换器一般被用在传统工业、电子信息等行业,具有极大的应用潜力。当前,在DC/DC变换器领域,研究者们常归为两类:一类致力于设计出合适的控制策略,以此为系统提供可靠的电能,保障系统的稳定性;另一类专注于各类拓扑结构的开发,提高变换器的工作效率。本文确定以Buck变换器为研究对象,主要通过对比各类控制算法,选择RBF神经网络算法改造传统滑模控制器的控制策略,设计了基于神经网络滑模控制器,旨在提高变换器的工作性能。论文的主要研究内容包括以下几个方面:首先,对开关电源进行了深入研究,包括开关电源的历史背景、发展现状以及基础理论知识,探讨了Buck降压型DC/DC变换器的几种建模方法,并采用状态空间法,建立了目标变换器的数学模型,讨论了几大经典的控制策略,并在已建立好的数学模型上,依照滑模变结构控制的设计思路,完成了符合要求的滑模变结构控制器,同时为了体现滑模变结构控制器的性能还搭建了传统PID控制器作对比实验。当完成滑模变结构控制器的设计后,再利用李雅普诺夫能量函数确认系统的可靠性,验证此次设计的合理性,最后利用Matlab仿真软件,对所设计的传统滑模变结构控制器进行了一系列的仿真对比实验。然后,根据完成的滑模变结构控制器设计后,针对滑模控制器存在的抖振问题、所带负载扰动以及电压波动影响,通过对神经网络算法深入研究,选择RBF神经网络算法,对传统滑模变结构控制器改造设计,完成神经网络逼近项设计和自适应律设计,搭建了基于神经网络滑模控制的DC/DC变换器仿真实验平台,利用李雅普诺夫能量函数对系统进行可行性验证和稳定性分析。最后在Matlab环境下进行仿真设计,完成仿真对比实验,分析神经网络滑模控制器对开关变换器的控制效果和鲁棒性。最后,为了验证所设计的神经网络滑模控制器的工作性能,采用STM32控制芯片搭建出整机系统实验平台完成变换器的实测实验,同时和传统PID控制器以及传统滑模变结构控制器完成对比实验,实验结果验证了本次设计的神经网络滑模控制器能够有效地削弱控制器抖振,同时还具有抗负载扰动和降低系统干扰等优点,其基于神经网络滑模控制的变换器表现出良好的输出性能。
陈垚[8]（2021）在《医用30KV高压发生器拓扑结构及稳压控制策略研究》文中提出近年来,我国医疗行业的发展十分迅速,人们对医疗行业的发展也越来越关注。自1895年X射线发现起,X射线一直被广泛应用于疾病的诊断与治疗,至今仍在医疗领域占有一席之地。而高压发生器作为X射线产生装置的核心设备之一,其性能好坏直接影响着X射线诊断设备的工作。因此研究具有较低纹波系数和较高稳定性的高压发生器具有重要意义。首先,本文对X射线的产生原理、X射线机的发展历程和高压发生器的发展状况进行了介绍,阐述了高压发生器在X射线产生装置中的作用及影响。研究了高压发生器的电路拓扑结构,分析了各环节电路拓扑的工作原理。为减小功率开关器件电压电流应力对设备的影响,在含有开关器件的电路中设计了软开关工作模式。在斩波电路中引入无源辅助谐振网络实现软开关工作,在逆变电路中引入串并联LLC谐振实现软开关工作,并分析了其工作原理,对谐振网络的关键元件参数进行了研究。其次,本文针对传统PID控制策略下的高压发生器存在超调量高、响应速度慢、稳定性差的问题,提出了一种基于单神经元PID控制的高压发生器控制方法,并加入关于静差的非线性函数,实现了PID参数的自整定,提高了系统的适应性。并在单神经元PID控制策略的基础上,提出了基于BP神经网络PID控制的高压发生器控制方法,进一步提升了系统的输出性能。针对BP神经网络存在学习速度慢的问题,采用动量项法对其进行了改进,提出了改进BP神经网络PID控制的高压发生器控制方法。最后对几种控制策略下高压发生器的输出进行了对比,分析了几种控制算法的优异性。在MATLAB/Simulink环境下搭建总体系统仿真模型,并进行了实验分析。通过仿真实验验证了无源辅助谐振网络和LLC谐振实现的软开关设计工作性能良好,系统转换效率提升。单神经元PID控制下的高压发生器输出超调问题得到改善,纹波减小,上升时间减少,但仍存在超调问题;基于BP神经网络PID控制方法有效解决了传统PID控制下的高压发生器输出存在超调的问题,并且纹波大幅减小,但存在上升时间长的不足;提出的改进BP神经网络PID控制策略相对BP神经网络PID控制策略缩短了输出电压的上升时间,并且纹波较低,无超调。经对比分析,提出的改进BP神经网络PID控制策略下的高压发生器输出性能最佳。
徐伟[9]（2021）在《光伏发电系统的建模及智能MPPT算法研究》文中研究说明随着新能源技术的推广成熟和绿色低碳经济的蓬勃发展,研究人员正不断向长期困扰人类社会发展的两大难题能源短缺和环境污染发起冲击。太阳能凭借其储量充足,清洁环保、可再生等显着优势愈发受到各国政府重视,光伏发电技术利用光生伏打效应以吸收光子能量并对外输出清洁电能备受人们的青睐。光伏发电系统（Photovoltaic Power System,PVPS）在实际运行过程中容易受到天气、温度、湿度等多重因素影响从而导致其功率输出发生变化。为探究环境因素对于PVPS的影响,通过分析光伏电池单、双二极管模型的优缺,提出基于Lambert＿W函数的光伏电池双二极管显式模型,摒弃了传统建模中复杂的迭代过程,避免隐式超越方程的求解困难。利用光伏电池数据手册提取模型参数并推广得到光伏组件和阵列的数学模型,对PVPS中的热斑现象展开成因分析并提出解决措施。以Matlab/Simulink为工具比较了不同工况环境下PVPS特性曲线差异并得到局部阴影下的多峰特性曲线,为优化控制提供了精确的PVPS仿真模型。为提高PVPS在复杂工况下的光电转换效率,采用最大功率跟踪（Maximum Power Point Tracing,MPPT）技术对PVPS进行优化控制。结合误差反向传播人工神经网络（Back Propagation ANN,BP-ANN）的自学泛化能力和粒子群算法（Particle Swarm Optimization,PSO）的全局多目标寻优能力组成了基于BP-ANN&PSO混合算法实现PVPS复杂工况下的MPPT。通过采集PVPS各工况信息以及最大功率点数据对BP-ANN参数进行训练优化,将其结果作为PSO算法粒子位置更新的限制依据并对粒子速度更新参数进行改进,最终实现复杂工况下PVPS的全局寻优。对比传统MPPT的P&O、INC算法能够有效避免早熟现象的发生,稳态精度、暂稳态特性均有一定提升,保证PVPS持续对外输出最大功率。针对PVPS潜在波动性和间歇性缺陷,在PVPS基础上引入功率型器件超级电容器和能量型器件蓄电池组成混合储能系统实现对直流母线电压波动的平抑。利用半桥式双向DC/DC变换器与直流母线进行互联以实现能量的双向传递,通过对光储系统内部功率平衡、工作模式分析,基于状态空间平均法设计双闭环控制器,即以电流内环、电压外环的方式进而控制双向DC/DC变换器开关管的通断,保障光储系统直流母线电压在合理范围内工作,持续向负荷输送优质电能并利用Matlab/Simulink平台进行仿真分析。
齐彪[10]（2020）在《主从式矿井排水监控及故障诊断系统研究》文中研究指明煤矿井下排水监控系统的主要功能是将煤矿井下的积水及时排出,避免发生严重的透水事故,保障井下人员生命安全和设备财产安全。针对部分煤矿排水系统存在的自动化程度低、处理器运算能力弱以及故障频发等问题,本文构建出以数字信号处理器（DSP）为核心的主从式矿井排水监控及故障诊断系统。依据井下的实际监测环境完成了所需特征传感器的选型,介绍了传感器的工作原理和使用安装位置,完成了DSP系统的硬件电路设计和软件程序设计,并介绍了硬件抗干扰措施。针对矿井涌水随机性强,水仓水位变化呈非线性的特点,本文构建单神经元模糊PID算法来实现对水仓水位的控制,并通过仿真软件与常规PID算法进行仿真对比分析,验证算法的可行性;针对排水设备运行过程中常出现的各类故障问题,本文基于改进的D-S证据理论构建了故障诊断系统,诊断系统以测量传感器获取排水系统故障信息,使用隶属度函数计算各故障的基本概率赋值,并以信息融合的方式得到最终的故障诊断结果,能够对排水系统运行过程中出现的异常状况做出准确诊断。依据排水监控及故障诊断系统的具体功能,本文在CCS6.0集成开发环境中完成了DSP系统主程序和各个功能模块子程序的设计,在VC++2010软件开发平台上完成了上位机监控界面的设计,监控界面包含采集信号显示、故障诊断结果显示和历史数据查询等多种功能。最后,搭建实验平台对排水监控及故障诊断系统的可行性进行了功能验证。
二、模拟电路实现的神经元控制器的仿真研究（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、模拟电路实现的神经元控制器的仿真研究（论文提纲范文）
（1）新型云水含量传感器与阵列式球型温度传感器设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 云水含量传感器简介及国内外研究现状 |
| 1.3 温度传感器简介及国内外研究现状 |
| 1.4 主要研究内容 |
| 第二章 传感器设计及仿真分析 |
| 2.1 新型云水含量传感器设计 |
| 2.1.1 云水含量传感器材料选型 |
| 2.1.2 云水含量传感器工作原理 |
| 2.2 阵列式球型温度传感器设计 |
| 2.2.1 温度传感器结构设计 |
| 2.2.2 温度传感器工作原理 |
| 2.3 计算流体动力学简介 |
| 2.3.1 热分析原理 |
| 2.3.2 热传递方式简介 |
| 2.3.3 计算流体动力学仿真步骤介绍 |
| 2.4 阵列式球型温度传感器有限元分析 |
| 2.4.1 温度传感器模型建立 |
| 2.4.2 温度传感器流固耦合数值计算 |
| 2.4.3 温度传感器仿真结果分析与研究 |
| 2.5 新型云水含量传感器有限元分析 |
| 2.5.1 云水含量传感器模型建立 |
| 2.5.2 云水含量传感器流固耦合数值计算 |
| 2.5.3 云水含量传感器仿真结果分析与研究 |
| 2.6 本章小结 |
| 第三章 硬件电路设计 |
| 3.1 电源电路设计 |
| 3.1.1 数字电源设计 |
| 3.1.2 模拟电源设计 |
| 3.2 微控制器最小系统设计 |
| 3.2.1 主控制器选型 |
| 3.2.2 微控制器供电部分 |
| 3.2.3 晶振电路部分 |
| 3.2.4 初始化电路部分 |
| 3.2.5 调试电路部分 |
| 3.3 温度数据采集电路设计 |
| 3.3.1 温度传感器电路设计 |
| 3.3.2 信号采集电路 |
| 3.4 加热控制电路设计 |
| 3.4.1 控制模块器件的选型 |
| 3.4.2 PWM加热电路 |
| 3.5 通信电路设计 |
| 3.5.1 串口通信电路设计 |
| 3.5.2 LoRa无线通信电路设计 |
| 3.6 PCB的布局布线 |
| 3.7 本章小结 |
| 第四章 系统软件设计 |
| 4.1 主控制器程序开发软件概述 |
| 4.2 硬件系统程序设计 |
| 4.2.1 高精度信号采集模块 |
| 4.2.2 温度控制模块 |
| 4.3 温度测量算法 |
| 4.4 本章小结 |
| 第五章 算法设计及分析 |
| 5.1 单神经网络PID算法 |
| 5.1.1 传统PID算法 |
| 5.1.2 单神经元自适应PID算法 |
| 5.1.3 单神经元的PID控制器权值调整规则 |
| 5.1.4 单神经元PID算法仿真 |
| 5.2 极限学习机(ELM) |
| 5.2.1 极限学习机算法简介 |
| 5.2.2 极限学习机算法拟合数据分析 |
| 5.3 本章小结 |
| 第六章 实验设计与数据分析 |
| 6.1 温度传感器标定实验 |
| 6.1.1 铂电阻标定实验 |
| 6.1.2 铂丝传感器标定实验 |
| 6.2 太阳辐射模拟平台搭建 |
| 6.2.1 风洞实验平台 |
| 6.2.2 光照模拟器 |
| 6.3 阵列式球型温度传感器实验数据分析 |
| 6.4 新型云水含量传感器实验数据分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）跑步机变频调速控制器的开发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 跑步机变频调速系统的国内外发展和现状 |
| 1.2.1 变频器的研究与应用现状 |
| 1.2.2 变频调速控制策略的研究现状 |
| 1.2.3 脉冲型负载的研究现状 |
| 1.3 本文研究的主要内容 |
| 第二章 跑步机矢量控制的理论分析 |
| 2.1 矢量控制原理 |
| 2.2 坐标变换 |
| 2.2.1 Clarke变换 |
| 2.2.2 Park变换 |
| 2.3 跑步机的数学模型 |
| 2.3.1 三相静止坐标系下的数学模型 |
| 2.3.2 按转子磁场定向的数学模型 |
| 2.3.3 脉冲负载下矢量控制系统的结构组成 |
| 2.4 空间电压矢量脉宽调制技术 |
| 2.4.1 SVPWM基本原理 |
| 2.4.2 SVPWM算法实现 |
| 2.5 脉冲型负载特性分析 |
| 2.6 本章小结 |
| 第三章 单神经元PI控制策略的研究 |
| 3.1 单神经元PI控制理论 |
| 3.1.1 单神经元PI数学模型 |
| 3.1.2 单神经元PI控制器的学习算法 |
| 3.1.3 分析可调参数对单神经元的影响 |
| 3.2 单神经元比例系数的算法改进 |
| 3.3 模糊控制在单神经元PI控制中的应用 |
| 3.4 仿真验证 |
| 3.4.1 MATLAB/Simulink简介 |
| 3.4.2 转子磁场定向的矢量控制系统仿真分析 |
| 3.4.3 改进型单神经元PI控制的矢量控制系统仿真分析 |
| 3.4.4 模糊-单神经元PI控制的矢量控制系统仿真分析 |
| 3.5 本章小结 |
| 第四章 控制器的电路设计 |
| 4.1 系统整体设计框图及设计参数 |
| 4.2 主电路设计 |
| 4.2.1 整流和滤波电路 |
| 4.2.2 逆变及其驱动电路 |
| 4.3 控制电路设计 |
| 4.3.1 主控芯片的选择 |
| 4.3.2 直流电压采样电路 |
| 4.3.3 直流电流采样电路 |
| 4.3.4 交流电流采样电路 |
| 4.3.5 电流过载保护电路 |
| 4.3.6 转速检测电路 |
| 4.4 辅助电源及其它电路设计 |
| 4.4.1 辅助电源电路 |
| 4.4.2 电源隔离电路 |
| 4.4.3 PWM隔离电路 |
| 4.5 PCB设计 |
| 4.6 本章小结 |
| 第五章 控制器的程序设计 |
| 5.1 开发环境 |
| 5.2 主程序设计 |
| 5.3 PWM中断服务子程序设计 |
| 5.3.1 时钟中断模块 |
| 5.3.2 ADC采样模块 |
| 5.3.3 转速测量模块 |
| 5.3.4 按键中断模块 |
| 5.3.5 SVPWM模块 |
| 5.4 本章小结 |
| 第六章 控制器的调试与测试 |
| 6.1 调试注意事项 |
| 6.2 DSP最小系统调试 |
| 6.3 SVPWM调试 |
| 6.3.1 固定输出PWM调试 |
| 6.3.2 死区设置 |
| 6.4 控制器变频性能测试 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 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 |
（3）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 |
（4）动力换挡变速箱控制器故障检测系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 控制器测试技术国内外研究现状 |
| 1.2.1 控制器测试技术概述 |
| 1.2.2 故障检测技术研究现状 |
| 1.2.3 测试序列自动生成优化方法研究现状 |
| 1.3 本文研究内容 |
| 2 动力换挡控制器故障检测系统开发 |
| 2.1 故障检测系统总体方案设计 |
| 2.1.1 故障检测系统需求分析 |
| 2.1.2 故障检测系统总体方案 |
| 2.2 故障检测系统硬件设计 |
| 2.2.1 PXI系统硬件选型 |
| 2.2.2 功率级负载箱设计 |
| 2.3 动力换挡传动系统建模 |
| 2.4 故障检测系统上位机软件开发 |
| 2.5 本章小结 |
| 3 基于人工神经网络的控制器故障检测方法研究 |
| 3.1 人工神经网络概述 |
| 3.1.1 人工神经网络模型 |
| 3.1.2 人工神经网络的特点及分类 |
| 3.2 基于神经网络故障检测方法 |
| 3.3 LVQ神经网络优化研究 |
| 3.3.1 LVQ神经网络模型 |
| 3.3.2 MEA-LVQ神经网络 |
| 3.3.3 PSO-LVQ神经网络 |
| 3.4 动力换挡控制器故障检测试验 |
| 3.4.1 动力换挡控制器故障数据获取 |
| 3.4.2 故障检测试验结果对比分析 |
| 3.5 本章小结 |
| 4 动力换挡控制器测试用例设计及序列优化 |
| 4.1 动力换挡控制器测试用例设计 |
| 4.1.1 测试用例设计方法 |
| 4.1.2 基于正常工况的测试用例设计 |
| 4.1.3 基于故障状态的测试用例设计 |
| 4.1.4 测试用例导入 |
| 4.2 动力换挡控制器测试序列优化方法研究 |
| 4.2.1 测试序列研究方法 |
| 4.2.2 基于遗传算法的测试序列优化 |
| 4.2.3 基于组合式算法的测试序列优化 |
| 4.2.4 测试序列优化方法对比 |
| 4.3 本章小结 |
| 5 动力换挡控制器故障检测系统试验 |
| 5.1 故障检测系统开环标定 |
| 5.1.1 系统信号标定 |
| 5.1.2 负载箱标定 |
| 5.2 动力换挡控制器振动试验 |
| 5.2.1 控制器振动建模及仿真 |
| 5.2.2 控制器振动试验 |
| 5.3 故障检测系统测试试验 |
| 5.3.1 正常工况下动力换挡测试试验 |
| 5.3.2 故障注入与故障检测试验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于忆阻的不同神经元模型投影同步分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 本课题国内外研究现状 |
| 1.2.1 忆阻器 |
| 1.2.2 不连续动力学理论 |
| 1.2.3 忆阻神经元同步控制 |
| 1.3 本文主要研究内容与工作安排 |
| 第2章 非自治神经元模型比例投影同步控制 |
| 2.1 系统模型描述 |
| 2.2 系统动力学分析 |
| 2.3 电路实现 |
| 2.4 比例投影同步机理分析 |
| 2.4.1 不连续行为描述 |
| 2.4.2 同步分析条件 |
| 2.5 同步的数值分析 |
| 2.5.1 控制参数的影响 |
| 2.5.2 同步的数值仿真 |
| 2.6 Multisim电路实现 |
| 2.7 本章小结 |
| 第3章 非自治神经元降维模型比例投影同步控制 |
| 3.1 Fitzhugh-Nagumo降维模型 |
| 3.1.1 系统降维模型构建 |
| 3.1.2 降维系统动力学分析 |
| 3.1.3 仿真电路实现 |
| 3.2 同步机理分析 |
| 3.2.1 不连续行为描述 |
| 3.2.2 同步分析条件 |
| 3.3 同步的数值分析 |
| 3.3.1 控制参数的影响 |
| 3.3.2 同步的数值仿真研究 |
| 3.4 同步仿真电路实现 |
| 3.5 基于FPGA的同步电路实现 |
| 3.6 本章小结 |
| 第4章 异构神经元模型比例投影同步研究 |
| 4.1 Hindmarsh–Rose模型建立及其分析 |
| 4.1.1 系统模型构建 |
| 4.1.2 系统动力学分析 |
| 4.1.3 FPGA电路实现 |
| 4.2 投影同步机理分析 |
| 4.2.1 不连续行为描述 |
| 4.2.2 同步分析条件 |
| 4.3 同步的数值分析 |
| 4.3.1 控制参数的影响 |
| 4.3.2 同步的数值仿真 |
| 4.4 FPGA同步数字电路实现 |
| 4.5 本章小结 |
| 第5章 结论与展望 |
| 5.1 全文总结 |
| 5.2 未来研究展望 |
| 参考文献 |
| 攻读硕士期间取得的科研成果及荣誉 |
| 致谢 |
（6）基于FPGA的大规模神经形态系统关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 神经形态计算的现状与趋势 |
| 1.3 本文的主要工作 |
| 1.4 本文的结构安排 |
| 第二章 神经形态系统基础理论概述 |
| 2.1 神经网络理论概述 |
| 2.2 脉冲神经网络研究 |
| 2.3 互联通信技术概述 |
| 2.4 本章小结 |
| 第三章 LIF脉冲神经元电路设计 |
| 3.1 LIF脉冲神经元模型研究 |
| 3.2 LIF脉冲神经元电路设计 |
| 3.3 LIF脉冲神经元的仿真验证 |
| 3.4 本章小结 |
| 第四章 大规模神经形态计算架构研究 |
| 4.1 数字神经形态系统关键技术 |
| 4.2 系统整体架构设计 |
| 4.3 顶层数据通信逻辑设计 |
| 4.4 本章小结 |
| 第五章 大规模神经形态计算架构内部模块设计 |
| 5.1 顶层控制模块设计 |
| 5.2 单个运算核设计 |
| 5.3 数据读写控制模块设计 |
| 5.4 膜电位读写控制模块设计 |
| 5.5 本章小结 |
| 第六章 大规模神经形态计算系统的验证与应用研究 |
| 6.1 神经形态系统的仿真验证 |
| 6.2 神经形态系统的图像识别应用 |
| 6.3 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）基于神经网络滑模控制的DC/DC变换器研制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 DC/DC变换器的研究现状 |
| 1.2.1 拓扑结构 |
| 1.2.2 建模方法 |
| 1.2.3 控制策略 |
| 1.2.4 实现方式 |
| 1.3 论文主要研究内容与结构安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 结构安排 |
| 2 DC/DC变换器的原理与建模 |
| 2.1 原理介绍 |
| 2.1.1 工作原理 |
| 2.1.2 工作模式 |
| 2.2 电路建模 |
| 2.2.1 状态空间建模 |
| 2.2.2 小信号建模 |
| 2.2.3 其他建模方法 |
| 2.3 本章小结 |
| 3 滑模变结构控制器设计 |
| 3.1 滑模变结构控制的基本原理 |
| 3.2 Buck变换器滑模控制器设计 |
| 3.2.1 系统模型的建立 |
| 3.2.2 滑模变量的设计 |
| 3.2.3 滑模控制器设计 |
| 3.3 系统仿真结果与分析 |
| 3.3.1 系统离散化处理 |
| 3.3.2 仿真结果与分析 |
| 3.4 本章小结 |
| 4 基于神经网络的滑模控制器设计 |
| 4.1 神经网络的基础知识 |
| 4.1.1 神经网络的基本原理 |
| 4.1.2 神经网络的学习规则 |
| 4.2 神经网络的算法分析 |
| 4.2.1 BP神经网络 |
| 4.2.2 RBF神经网络 |
| 4.2.3 两种神经网络的比较 |
| 4.3 神经网络滑模控制器的设计 |
| 4.3.1 滑模控制器的改造设计 |
| 4.3.2 神经网络逼近项的设计 |
| 4.3.3 控制器的自适应律设计 |
| 4.4 系统仿真与分析 |
| 4.4.1 神经网络训练 |
| 4.4.2 系统仿真模型 |
| 4.4.3 仿真结果分析 |
| 4.5 本章小结 |
| 5 实验平台搭建及控制方案验证 |
| 5.1 总体方案设计 |
| 5.2 系统硬件设计 |
| 5.2.1 控制电路设计 |
| 5.2.2 功率主拓扑电路设计 |
| 5.2.3 驱动电路设计 |
| 5.3 系统软件设计 |
| 5.3.1 神经网络滑模控制算法设计 |
| 5.3.2 系统主程序设计 |
| 5.4 实验结果分析 |
| 5.5 本章小结 |
| 6 研究总结及展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（8）医用30KV高压发生器拓扑结构及稳压控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 X射线机高压发生器研究背景 |
| 1.1.1 X射线机发展概述 |
| 1.1.2 X射线产生原理 |
| 1.2 高压发生器研究意义 |
| 1.3 高压发生器的研究现状 |
| 1.4 本文主要研究内容 |
| 2 高压发生器主电路结构 |
| 2.1 高压发生器系统框图 |
| 2.2 软开关技术 |
| 2.3 整流滤波电路 |
| 2.4 无源辅助谐振Boost电路 |
| 2.5 串并联LLC谐振逆变电路 |
| 2.6 双向倍压整流电路 |
| 2.7 电路关键元件参数确定 |
| 2.7.1 整流滤波元件参数确定 |
| 2.7.2 无源辅助谐振Boost电路关键参数确定 |
| 2.7.3 逆变电路核心参数确定方法分析 |
| 2.7.4 倍压整流电路元件参数确定 |
| 2.8 本章小结 |
| 3 高压发生器的传统PID控制策略研究 |
| 3.1 PID控制 |
| 3.1.1 算法原理 |
| 3.1.2 位置式PID控制 |
| 3.1.3 增量式PID控制 |
| 3.2 系统仿真 |
| 3.2.1 仿真软件介绍 |
| 3.2.2 系统仿真模型 |
| 3.3 PID控制器仿真分析 |
| 3.4 本章小结 |
| 4 人工神经网络算法研究 |
| 4.1 算法原理 |
| 4.2 单神经元PID控制算法 |
| 4.3 单神经元PID控制器仿真分析 |
| 4.4 本章小结 |
| 5 改进BP神经网络算法研究 |
| 5.1 BP算法原理 |
| 5.1.1 BP神经网络PID控制 |
| 5.1.2 BP神经网络PID控制器仿真 |
| 5.2 BP算法的几种改进方法 |
| 5.2.1 动量项法 |
| 5.2.2 变步长法 |
| 5.2.3 改进BP神经网络PID控制器仿真 |
| 5.3 结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
（9）光伏发电系统的建模及智能MPPT算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 光伏发电概述 |
| 1.2.1 国内外光伏发电发展 |
| 1.2.2 光伏发电原理及电池分类 |
| 1.3 光伏发电最大功率跟踪技术发展 |
| 1.4 储能概述 |
| 1.5 论文主要工作 |
| 1.5.1 研究内容与创新点 |
| 1.5.2 章节安排 |
| 第二章 光伏发电系统建模 |
| 2.1 光伏发电系统结构 |
| 2.1.1 独立型光伏发电系统 |
| 2.1.2 并网型光伏发电系统 |
| 2.1.3 混合型光伏发电系统 |
| 2.2 光伏电池模型 |
| 2.2.1 光伏电池工程数学模型 |
| 2.2.2 光伏电池双二极管显式模型 |
| 2.2.3 光伏电池双二极管模型参数提取 |
| 2.3 光伏组件阵列 |
| 2.3.1 光伏组件阵列模型 |
| 2.3.2 光伏发电系统中的热斑现象 |
| 2.4 光伏发电系统仿真 |
| 2.4.1 均匀光照下光伏发电系统仿真 |
| 2.4.2 阴影工况下光伏发电系统仿真 |
| 2.5 本章小结 |
| 第三章 光伏发电系统最大功率跟踪 |
| 3.1 最大功率跟踪原理 |
| 3.2 直流斩波电路 |
| 3.2.1 降压斩波电路 |
| 3.2.2 升降压斩波电路 |
| 3.2.3 升压斩波电路 |
| 3.2.4 升压斩波电路参数选择 |
| 3.3 常见最大功率跟踪算法 |
| 3.3.1 恒定电压法 |
| 3.3.2 扰动观察法 |
| 3.3.3 电导增量法 |
| 3.3.4 模糊控制算法 |
| 3.3.5 神经网络算法 |
| 3.3.6 遗传算法 |
| 3.4 本章小结 |
| 第四章 基于ANN&PSO混合算法的MPPT |
| 4.1 人工神经网络 |
| 4.1.1 ANN模型 |
| 4.1.2 ANN优化过程 |
| 4.1.3 ANN的分类 |
| 4.2 基于BP-ANN的辅助优化 |
| 4.2.1 BP-ANN神经元及网络结构 |
| 4.2.2 基于BP-ANN的预处理MPPT |
| 4.3 基于ANN&PSO混合算法的MPPT |
| 4.3.1 PSO算法及其数学模型 |
| 4.3.2 基于BP-ANN预处理改进的PSO算法 |
| 4.4 光伏发电系统MPPT |
| 4.4.1 光伏发电系统均匀光照下MPPT |
| 4.4.2 光伏发电系统复杂工况下MPPT |
| 4.5 本章小结 |
| 第五章 光伏发电系统混合储能控制 |
| 5.1 光储系统结构 |
| 5.2 混合储能系统 |
| 5.2.1 蓄电池模型 |
| 5.2.2 超级电容模型 |
| 5.2.3 储能系统中双向直流斩波器 |
| 5.3 基于状态空间平均法的控制策略 |
| 5.3.1 基于状态空间平均法的双向DC/DC变换器建模 |
| 5.3.2 双向DC/DC变换器控制策略 |
| 5.4 光储系统控制策略 |
| 5.4.1 光储系统功率控制流程 |
| 5.4.2 光储系统工作模式及控制单元 |
| 5.5 光储系统仿真 |
| 5.6 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 |
| 附录 |
| 1.攻读硕士期间发表的论文 |
| 2.论文相关图表 |
（10）主从式矿井排水监控及故障诊断系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 矿井排水监控系统国内外研究现状 |
| 1.2.1 排水监控系统国外研究现状 |
| 1.2.2 排水监控系统国内研究现状 |
| 1.3 排水设备故障诊断技术国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 主要研究内容 |
| 1.5 技术路线 |
| 2 矿井排水监控及故障诊断系统的整体构建 |
| 2.1 矿井排水监控及故障诊断系统的构建和工作原理 |
| 2.1.1 矿井排水系统离心泵及其组成部分 |
| 2.1.2 矿井排水监控及故障诊断系统的构建 |
| 2.1.3 矿井排水监控及故障诊断系统的工作原理 |
| 2.2 系统的硬件组成 |
| 2.2.1 下位机处理器选型 |
| 2.2.2 监测传感器选型 |
| 2.3 系统的主要硬件电路设计 |
| 2.3.1 输入量调理电路设计 |
| 2.3.2 通信模块电路设计 |
| 2.3.3 输出控制电路设计 |
| 2.4 硬件抗干扰措施 |
| 2.5 本章小结 |
| 3 矿井排水系统控制策略研究 |
| 3.1 单神经元PID控制理论基础 |
| 3.1.1 单神经元模型 |
| 3.1.2 神经元学习规则 |
| 3.1.3 常规PID和单神经元的结合 |
| 3.2 单神经元PID控制算法应用 |
| 3.2.1 控制系统的组成 |
| 3.2.2 单神经元PID控制算法原理 |
| 3.3 单神经元输出增益K的模糊调整 |
| 3.3.1 模糊控制理论基础 |
| 3.3.2 增益K的模糊控制器设计 |
| 3.4 排水监控系统控制算法仿真对比 |
| 3.4.1 单神经元PID仿真函数编写 |
| 3.4.2 模糊控制器仿真模型构建 |
| 3.4.3 系统近似数学模型的选取 |
| 3.4.4 仿真结果对比 |
| 3.5 本章小结 |
| 4 排水系统故障诊断方法研究 |
| 4.1 煤矿排水系统常见故障分析 |
| 4.2 基于信息融合技术的排水系统故障诊断方法 |
| 4.2.1 D-S证据理论算法概念 |
| 4.2.2 D-S证据理论的缺点及改进方法 |
| 4.2.3 本文选择的改进方法 |
| 4.3 改进的D-S证据理论在排水系统故障诊断中的应用 |
| 4.3.1 改进的D-S证据理论故障诊断方法 |
| 4.3.2 改进的D-S证据理论故障诊断应用 |
| 4.4 本章小结 |
| 5 排水监控及故障诊断系统软件设计 |
| 5.1 DSP系统功能的软件实现 |
| 5.1.1 系统主程序设计 |
| 5.1.2 信号采集子程序 |
| 5.1.3 控制模块子程序 |
| 5.1.4 串口通信子程序 |
| 5.2 上位机监控软件设计 |
| 5.2.1 监控系统主界面设计 |
| 5.2.2 串口通信模块设计 |
| 5.2.3 数据库建立及历史数据查询 |
| 5.2.4 水位历史曲线显示 |
| 5.2.5 系统安全阈值设置 |
| 5.2.6 故障诊断界面设计 |
| 5.3 本章小结 |
| 6 排水监控及故障诊断系统实验验证 |
| 6.1 实验平台搭建 |
| 6.2 系统功能验证 |
| 6.2.1 水位监测实验 |
| 6.2.2 参数异常检验实验 |
| 6.3 排水设备故障诊断系统功能验证 |
| 6.3.1 数据发送软件的安装测试 |
| 6.3.2 故障诊断测试 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、模拟电路实现的神经元控制器的仿真研究（论文参考文献）
- [1]新型云水含量传感器与阵列式球型温度传感器设计[D]. 丁枫. 南京信息工程大学, 2021(01)
- [2]跑步机变频调速控制器的开发[D]. 罗明帅. 西安石油大学, 2021(09)
- [3]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)
- [4]动力换挡变速箱控制器故障检测系统研究[D]. 王承强. 北京交通大学, 2021(02)
- [5]基于忆阻的不同神经元模型投影同步分析[D]. 韦辰. 南京师范大学, 2021
- [6]基于FPGA的大规模神经形态系统关键技术研究[D]. 刘夏恺. 电子科技大学, 2021(01)
- [7]基于神经网络滑模控制的DC/DC变换器研制[D]. 申明星. 重庆理工大学, 2021(02)
- [8]医用30KV高压发生器拓扑结构及稳压控制策略研究[D]. 陈垚. 辽宁工业大学, 2021(02)
- [9]光伏发电系统的建模及智能MPPT算法研究[D]. 徐伟. 东华大学, 2021(09)
- [10]主从式矿井排水监控及故障诊断系统研究[D]. 齐彪. 西安科技大学, 2020(01)