xmt-808智能控制显示仪表

功能简介：

◆显示测量值◆设定控制值及输出控制方式（可选）◆校准功能◆去皮功能◆峰值保持

技术参数：

1. 测量功能： 与各种传感器配套测量

2. 输入方式： 模拟电流、电压或频率信号

3. 精度： ±0.2%(FS) ，(23℃±5℃)

4. 最大显示： -1999~9999；自由设定小数点

5. 显示器： 0.56及0.32英寸高亮度LED数码

6. 报警输出： 可选单点、上下限、上上限、下下限报警模式

7. 开关量输出：继电器触点0.6A(220VAC)、2A(30VDC) （可选）

8. 通讯接口： 标准串行RS-485双向接口、多机地址编码0~99（可选）

9. 通讯波特率：2400、4800、9600、19200bps任意设定（可选）

10. 消耗功率： 小于5 VA

11. 使用温度： 0~50℃

12. 电源： 交流85~265VAC、50Hz电源

开孔尺寸：43*91*110

2100433B

显示仪表包括指示仪表和记录仪，具体参见指示仪表和记录仪表。

工业中习惯中称为二次仪表。

举例：无纸记录仪、智能巡检仪、单色无纸记录仪、智能显示调节仪、单色无纸记录仪、蓝屏无纸记录仪、PID无纸记录仪液晶流量积算仪。

产品名称:就地显示仪表

产品型号:HS-W100系列

产品展商:江苏金湖华升计量仪器有限公司

产品文档:

简单介绍:

HS-W100系列现场温度显示仪采用进口高精度、低温漂、超低功耗集成电路和宽温型液晶显示器，内置高能量电池连续工作≥5年无需敷设供电电缆，是一种精度高、稳定性好、适用性极强的新型现场温度显示仪。是传统现场指针双金属温度表的理想替代产品

就地显示仪表的详细介绍

★功能：现场显示

★现场指示：31/2位LCD显示

★综合精度：±0.5%F.S

★稳定性：±0.1%F.S/年

★测量范围：-100℃- 600℃

★传感器：Pt100

★电源：内置3.6VDC锂电、连续使用大于5年

★工作温度：-40℃- 85℃

★环境温度：-20℃- 65℃

★相对湿度：≤95%

第1章绪论

1.1智能控制的发展

1.1.1智能控制问题的提出

1.1.2智能控制的发展

1.2智能控制的几个主要分支

1.2.1基于知识的专家系统

1.2.2模糊控制

1.2.3神经元网络控制

1.2.4学习控制

1.3智能控制系统的构成原理

1.3.1智能控制系统结构

1.3.2智能控制系统的特点

1.3.3智能控制系统研究的主要数学工具

习题和思考题

第2章模糊控制论

2.1引言

2.2模糊集合论基础

2.2.1模糊集的概念

2.2.2模糊集合的运算

2.2.3模糊集合运算的基本性质

2.2.4隶属度函数的建立

2.2.5模糊关系

2.3模糊逻辑、模糊逻辑推理和合成

2.3.1二值逻辑

2.3.2模糊逻辑的基本运算

2.3.3模糊语言逻辑

2.3.4模糊逻辑推理

2.3.5模糊关系方程的解

2.4模糊控制系统的组成

2.4.1模糊化过程

2.4.2知识库

2.4.3决策逻辑

2.4.4精确化过程

2.5模糊控制系统的设计

2.5.1模糊控制器的结构设计

2.5.2模糊控制器的基本类型

2.5.3模糊控制器的设计原则

2.5.4模糊控制器的常规设计方法

2.6模糊PID控制器

2.6.1模糊控制器和常规PID的混合结构

2.6.2常规PID参数的模糊自整定技术

2.7模糊控制器的应用

2.7.1流量控制的模糊控制器设计

2.7.2倒立摆的模糊控制

习题和思考题

第3章人工神经元网络控制论

3.1引言

3.1.1神经元模型

3.1.2神经网络的模型分类

3.1.3神经网络的学习算法

3.1.4神经网络的泛化能力

3.2前向神经网络模型

3.2.1多层神经网络结构

3.2.2多层传播网络的BP学习算法

3.2.3快速的BP改进算法

3.2.4BP学习算法的MATLAB例程

3.3动态神经网络模型

3.3.1带时滞的多层感知器网络

3.3.2Hopfield神经网络

3.3.3回归神经网络

3.4CMAC神经网络

3.4.1小脑网络的感知器模型

3.4.2CMAC的映射原理

3.4.3CMAC网络的学习算法

3.5RBF神经网络模型

3.5.1具有固定中心的RBF神经网络的训练

3.5.2径向基神经网络训练的随机梯度逼近法

3.6神经网络控制基础

3.6.1引言

3.6.2神经网络的逼近能力

3.7非线性动态系统的神经网络辨识

3.7.1神经网络的辨识基础

3.7.2神经网络辨识模型的结构

3.7.3非线性动态系统的神经网络辨识

3.8神经网络控制的学习机制

3.8.1监督式学习

3.8.2增强式学习

3.9神经网络控制器的设计

3.9.1神经网络直接逆模型控制法

3.9.2真接网络控制法

3.9.3多神经网络自学习控制法

3.10单一神经元控制

习题和思考题

第4章专家控制

4.1引言

4.2专家控制的基本原理

4.2.1专家控制系统的基本内容

4.2.2知识表达

4.2.3知识推理

4.2.4专家控制系统的设计

4.3专家控制应刚举例

4.3.1PID专家控制系统设计

4.3.2过程专家控制系统

4.4仿人智能控制

4.4.1仿人智能控制的引入

4.4.2仿人智能控制的基本概念

4.4.3仿人智能控制的实现

4.4.4仿人智能控制的应用举例

习题和思考题

上机实验题

第5章分层递阶智能控制

5.1引言

5.2递阶智能控制的基本原理

5.3递阶智能控制的组织和协调

5.3.1递阶智能控制的组织级

5.3.2递阶智能控制的协调级

5.3.3递阶智能控制的执行级

5.4分层递阶智能控制的应用举例

5.4.1智能机器人系统的递阶控制

5.4.2集散递阶智能控制系统

习题和思考题

第6章学习控制

第7章模糊神经网络控制与自适应神经网络

第8章进货算法

第9章多智能体系统控制 2100433B