|
|
|
|
基于迭代学习控制的钢管感应加热温度控制研究 |
| |
| 论文目录 |
| |
| 摘要 | 第5-6页 | | ABSTRACT | 第6-7页 | | 第1章 绪论 | 第11-25页 | | 1.1 钢管感应加热概述 | 第11-14页 | | 1.1.1 感应加热技术的由来 | 第11-12页 | | 1.1.2 钢管涂覆工艺 | 第12-13页 | | 1.1.3 感应加热温度控制难点 | 第13-14页 | | 1.2 感应加热过程建模与温度控制研究现状 | 第14-19页 | | 1.2.1 感应加热过程数值求解方法的研究 | 第14-17页 | | 1.2.2 感应加热过程温度控制的研究 | 第17-19页 | | 1.3 迭代学习控制概述 | 第19-23页 | | 1.3.1 迭代学习控制的发展 | 第19-20页 | | 1.3.2 迭代学习研究内容与现状 | 第20-23页 | | 1.4 本文研究内容 | 第23-25页 | | 1.4.1 研究内容及章节安排 | 第23页 | | 1.4.2 技术路线 | 第23-25页 | | 第2章 钢管涂覆感应加热过程机理建模 | 第25-36页 | | 2.1 钢管网格划分 | 第25-26页 | | 2.2 涡流场求解 | 第26-27页 | | 2.2.1 集肤效应 | 第26页 | | 2.2.2 涡流功率计算 | 第26-27页 | | 2.3 温度场热力学模型 | 第27-32页 | | 2.3.1 热传导 | 第28页 | | 2.3.2 热辐射 | 第28-29页 | | 2.3.3 节点微分方程 | 第29-32页 | | 2.4 状态方程描述 | 第32-34页 | | 2.5 连续系统离散化 | 第34-35页 | | 2.6 本章小结 | 第35-36页 | | 第3章 钢管感应加热模型参数整定与验证 | 第36-48页 | | 3.1 感应加热实验装置 | 第36-38页 | | 3.2 电压调整策略 | 第38-39页 | | 3.3 数据预处理 | 第39-42页 | | 3.3.1 数据截取 | 第39-41页 | | 3.3.2 数据平滑与重采样 | 第41-42页 | | 3.4 仿真 | 第42-46页 | | 3.4.1 初始参数 | 第42-43页 | | 3.4.2 钢管吸收功率 | 第43-44页 | | 3.4.3 仿真结果 | 第44-46页 | | 3.5 本章小结 | 第46-48页 | | 第4章 钢管感应加热的迭代学习控制 | 第48-57页 | | 4.1 引言 | 第48页 | | 4.2 基于QILC端部迭代学习控制 | 第48-54页 | | 4.2.1 系统方程 | 第48-49页 | | 4.2.2 优化学习算法 | 第49-51页 | | 4.2.3 仿真 | 第51-54页 | | 4.3 改进的最优化性能指标迭代学习律 | 第54-56页 | | 4.3.1 优化学习算法 | 第54-55页 | | 4.3.2 收敛性证明 | 第55页 | | 4.3.3 仿真 | 第55-56页 | | 4.4 本章小结 | 第56-57页 | | 第5章 感应加热温度控制软件原型系统开发 | 第57-65页 | | 5.1 引言 | 第57页 | | 5.2 系统设计 | 第57-63页 | | 5.2.1 需求概述 | 第57页 | | 5.2.2 系统方案 | 第57-58页 | | 5.2.3 ILC算法驱动架构 | 第58-59页 | | 5.2.4 数据库设计 | 第59-62页 | | 5.2.5 界面设计 | 第62-63页 | | 5.3 效果展示 | 第63-64页 | | 5.4 本章小结 | 第64-65页 | | 第6章 总结与展望 | 第65-67页 | | 6.1 总结 | 第65页 | | 6.2 展望 | 第65-67页 | | 致谢 | 第67-68页 | | 参考文献 | 第68-74页 | | 附录 | 第74页 |
|
|
|
|
论文编号BS3091346，这篇论文共74页
会员购买按0.35元/页下载，共需支付25.9元。 直接购买按0.5元/页下载，共需要支付37元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务