以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：34

、訪客IP：18.216.251.37

姓名	江正瑋(Chen-Wee Jiang)  查詢紙本館藏	畢業系所	機械工程學系
論文名稱	應用類神經網路與模糊控制於泵浦量測系統的研究
相關論文	★ 適應性類神經模糊控制器於泵浦系統之應用 ★ 自調式類神經PID控制於超音波馬達之應用 ★ 共模干擾對儀表放大器之可靠度分析 ★ 自走式銲接機械手臂之遠端遙控 ★ 三角網面為基礎之曲面設計系統發展與應用 ★ 應用RBF類神經網路於超音波馬達之位置控制 ★ 衛星星系於氣象觀測之設計與研究 ★ 強健適應性類神經控制研究 ★ 膨脹侵蝕法於影像內插運算與三維曲面重建之研究 ★ Nanosat極微衛星電源系統規劃與分析 ★ 斷層影像之B-Spline 參數曲線與曲面重 建研究 ★ 低成本微衛星之氣象觀測任務與星系設計 ★ 雙輸入雙輸出模糊控制於泵浦控制之研究 ★ 類神經網路理論於逆向工程曲面重建之研究 ★ 平面影像之對齊與相似度評估 ★ 應用基因演算法於模糊控制器設計之研究
檔案	[Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   [檢視]  [下載] 本電子論文使用權限為同意立即開放。 已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。 請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。
摘要(中)	本研究是以類神經網路之一的倒傳遞網路（Back-propagation network），以及模糊控制（Fuzzy Control）的理論為基礎，應用在非線性的流量控制閥中，用來改善一個泵浦的量測系統的控制。其研究方法是在執行量測控制的動作前，先以類神經網路為基礎來做系統的鑑別，之後再利用模糊控制理論來調整泵浦輸出流量控制閥，以快速完成控制目標值。 泵浦的主要輸出特性是流量和揚程，其特性曲線通常都以兩者來表現出來；在不同馬達轉速之下，便有不同的特性曲線。因此在泵浦量測系統的控制過程當中，就必須要考慮揚程、流量和馬達轉速、控制閥開關大小之間的關係，來進行系統鑑別，並進行控制，經實驗結果，可達到理想的控制效果。 本研究以Visual Basic的程式語言來建構控制系統的環境，另外以Matlab軟體進行類神經網路和模糊理論的運算，並針對所得到的結果加以討論和探討。
摘要(英)	This research applies the most extensively-used back-propagation neutral network theory and fuzzy control theory to the hydraulic pump measurement system control. The method of this research is to identify the system on the basis of back-propagation network, and then determine which may approximate the target. Afterward the theory of fuzzy control applies to regulate the system in order to approach the target which is required. The output characteristics of pump are flow and head, which are two main properties representative of the characteristic curve. Different motor rotation speed contributes to different characteristic curve. Therefore, flow and head of pump’’s output should be taken as referent indices during the control process in order to approach the ideal result.
關鍵字(中)	★ 流體機械 ★ 模糊控制 ★ 類神經網路 ★ 系統鑑別	關鍵字(英)	★ Fuzzy Control ★ fluid machinery ★ System Identification ★ neural network
論文目次	中文摘要__________________________________________________I 英文摘要_________________________________________________ II 致謝_____________________________________________________III 目錄____________________________________________________ IV 圖索引___________________________________________________VI 表索引_________________________________________________ VIII 第一章 緒論_______________________________________________1 1.1前言_______________________________________________ 1 1.2研究目的___________________________________________ 1 1.3研究方法___________________________________________ 3 1.4文獻回顧___________________________________________ 4 1.5 論文架構___________________________________________7 第二章 類神經網路與模糊控制理論__________________________8 2.1類神經網路的架構___________________________________8 2.1.1 神經元模型____________________________________9 2.1.2 激發函數的種類_______________________________11 2.1.3 類神經網路架構_______________________________14 2.1.4 倒傳遞網路學習機制___________________________16 2.2模糊控制理論_______________________________________18 2.2.1 模糊理論在控制的發展_________________________19 2.2.2模糊控制的基本架構___________________________ 20 第三章 泵浦量測系統的性能________________________________29 3.1泵浦的控制理論_____________________________________29 3.2系統組成和量測元件_________________________________33 第四章 實驗內容介紹______________________________________36 4.1類神經網路鑑別_____________________________________38 4.2模糊控制___________________________________________42 4.3實際電腦操作情形介紹_______________________________49 第五章 結論和未來展望____________________________________60 5.1結論_______________________________________________60 5.2未來展望___________________________________________61 參考文獻_________________________________________________62
參考文獻	[1] D.E Rumelhart, G.E Hinton and R.J. Williams, “Learning Internal Representation by Error Propagation,” Parallel Distributed Processing, Vol. 1, pp. 318-362, 1986 [2] K.S. Narendra, and K. Parthasarathy, “Identification and Control of Dynamical Systems Using Neural Networks,” IEEE Transaction on Neural Networks, Vol.1, No. 1, March 1990 [3] R.Grino, G. embrano and C. Torras, “Nonlinear System Identification Using Additive Dynamic Neural Networks-two On-line Approaches,” IEEE Transactions on Circuits and Systems, Part I: Fundamental Theory and Applications, Vol. 47, No.2, pp. 150-165,February 2000. [4] J.C. Patra, R.N. Pal, B.N. Chatterji, and G. Panda, “Identification of Nonlinear Dynamic Systems Using Functional Link Artificial Neural Networks,” IEEE Transactions on Systems, Man and Cybernetics, Part B, Vol. 29, No. 2, April 1999 [5] Xin Ping Xu, “Experimental Modeling of a Hydraulic Load Sensing Pump Using Neutral Networks,” Spring 1997 [6] 陳培勳,”模糊控制軟體系統發展與應用,” 中央大學機械工程研究所碩士論文, 1999 [7]鄭遠鐘,”適應性類神經模糊控制器於泵浦系統之應用,”中央大學機械工程研究所碩士論文, 2000 [8] R. P. Copeland and K. S. Rattan, ”A Fuzzy Logic Supervisor for PID Control of Unknown Systems,” IEEE International Symposium on Intelligent Control, pp. 22-26, August 1994 [9] 杜孟奇,”應用RBF類神經網路於超音波馬達之位置控制,” 中央大學機械工程研究所碩士論文, 2001 [10] 喬正邦,”強健適應性類神經網路控制研究,” 中央大學機械工程研究所碩士論文, 2002 [11] Oliver Nelles, Nonlinear system identification: from classical approaches to neural networks and fuzzy models, Springer Verlags, December 2000 [12]邱勤山, 胡世平, 姜太倫, 楊建裕主編, 流體機械, 高立圖書, 1990 [13]葉怡成, 類神經網路模式應用與實作, 儒林, 1995 [14]王文俊, 認識Fuzzy, 全華科技, 1997 [15]張智星, Matlab程式設計與應用, 清蔚科技, 2000 [16]羅華強, 類神經網路—Matlab的應用, 清蔚科技, 2001 [17]王國榮, 新觀念的Visual Basic 6.0教本, 旗標, 2000
指導教授	莊漢東(Han-tung Chuang)	審核日期	2003-7-11
推文	facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu
網路書籤	Google bookmarks   del.icio.us   hemidemi   myshare