车牌生产线烘干系统神经网络辨识建模与仿真研究

论文摘要

传统的烘干系统是基于其内部机理来建模的。本文将结合车牌半成品自动化生产线烘干系统，模拟出烘干系统的输入输出数据，然后根据这些数据进行神经网络辨识建模，建立烘干系统的数学模型。烘干系统通过风机鼓入空气及加热丝提供热能来烘干铝板，外部温度和外部湿度的不同对鼓入空气的含水量有很大的影响，本文将根据春夏秋冬四种不同的气候条件，设计出外部温度、外部湿度、加热阀开度、进风阀开度等烘干系统输入变量，通过计算几个主要输入变量间的相关性，验证设计的输入数据具有一定的代表性，再根据烘干系统水汽质量守恒及能量守恒，由设计的输入变量值，计算出烘干系统的输出变量值，建立不同气候条件下烘干系统的输入输出数据。最后，基于设计的输入输出数据，利用神经网络辨识的方法建立烘干系统的温湿度模型及蒸发模型。

论文目录

• 摘要
• ABSTRACT
• 目录
• 符号
• 第一章 绪论
• 1.1 本课题的研究背景及现实意义
• 1.1.1 本课题的研究背景
• 1.1.2 本课题的研究现实意义
• 1.2 车牌生产线烘干系统的研究现状
• 1.3 课题来源及主要研究内容
• 第二章 基于神经网络的系统辨识
• 2.1 神经网络概述
• 2.2 系统辨识概述
• 2.3 神经网络系统辨识
• 2.3.1 模型的选择
• 2.3.2 输入信号的选择
• 2.3.3 误差准则
• 2.4 BP网络
• 2.4.1 BP网络结构
• 2.4.2 BP网络学习算法
• 2.4.3 BP网络学习过程
• 2.5 Elman网络
• 2.6 Jordan网络
• 2.7 神经网络的两种结构
• 2.7.1 并联模型
• 2.7.2 串并联模型
• 第三章 烘干系统输入输出变量及数据获取
• 3.1 烘干系统及其输入输出变量
• 3.1.1 外部温度
• 3.1.2 外部相对湿度
• 3.1.3 进风阀开度
• 3.1.4 加热阀开度
• 3.1.5 内部温度
• 3.1.6 内部相对湿度
• 3.1.7 蒸发水量
• 3.2 数据相关性分析
• 3.3 烘干系统输入输出数据获取
• 3.3.1 春天气候
• 3.3.2 夏天气候
• 3.3.3 秋天气候
• 3.3.4 冬天气候
• 3.4 数据预处理
• 3.4.1 归一化
• 3.4.2 反归一化
• 第四章 烘干系统神经网络建模与仿真
• 4.1 温湿度模型
• 4.1.1 时延神经网络结构
• 4.1.2 时延神经网络辨识
• 4.1.3 动态递归神经网络结构
• 4.1.4 动态递归神经网络辨识
• 4.1.5 模型比较
• 4.2 干燥模型
• 4.2.1 时延神经网络辨识
• 4.2.2 动态递归神经网络辨识
• 4.2.3 模型比较
• 结论
• 1.主要研究工作总结
• 2.有待进一步完成的工作
• 攻读学位期间发表的论文
• 致谢
• 参考文献
• 附录1
• 附录2
• 附录3
• 附录4