发电机励磁调节器的蚁群优化设计及模型的神经网络辨识
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-19页 |
| ·同步发电机励磁控制系统的重要意义 | 第7-8页 |
| ·对发电机励磁控制系统的基本要求 | 第8-9页 |
| ·发电机励磁控制方式的发展 | 第9-12页 |
| ·基于古典控制理论的单变量控制方式 | 第9页 |
| ·基于现代控制理论的线性多变量控制方式 | 第9-10页 |
| ·非线性多变量励磁控制 | 第10-12页 |
| ·蚁群优化算法及其在电力系统中的应用 | 第12-14页 |
| ·蚁群算法的重要特征 | 第12-13页 |
| ·蚁群优化算法在电力系统中的应用 | 第13-14页 |
| ·人工神经网络及其在电力系统中的应用 | 第14-16页 |
| ·人工神经网络的特征 | 第14-15页 |
| ·人工神经网络在电力系统中的应用 | 第15-16页 |
| ·本文的主要工作 | 第16-19页 |
| 第二章 同步发电机自动励磁控制系统原理 | 第19-37页 |
| ·概述 | 第19-20页 |
| ·同步发电机励磁控制系统的任务 | 第20-23页 |
| ·控制发电机电压 | 第20页 |
| ·控制无功功率的分配 | 第20-21页 |
| ·提高电力系统的稳定性 | 第21-22页 |
| ·改善电力系统的运行条件 | 第22-23页 |
| ·微机型自动励磁调节器 | 第23-37页 |
| ·微机型励磁调节器的硬件结构 | 第23-25页 |
| ·微机型励磁调节器的软件流程 | 第25-27页 |
| ·调节规律计算 | 第27-29页 |
| ·单机无穷大系统的数学模型建立 | 第29-37页 |
| 第三章 基于蚁群算法的发电机最优励磁调节器的设计 | 第37-54页 |
| ·概述 | 第37-38页 |
| ·基于蚁群算法的励磁调节器的设计 | 第38-53页 |
| ·蚁群算法的原理 | 第38-40页 |
| ·基于蚁群算法的励磁控制的结构 | 第40-48页 |
| ·基于蚁群算法的励磁调节器的仿真分析 | 第48-53页 |
| ·结论 | 第53-54页 |
| 第四章 基于时序结构神经网络的发电机模型辨识研究 | 第54-72页 |
| ·概述 | 第54-55页 |
| ·基于神经网络的系统辨识 | 第55-60页 |
| ·系统辨识的目的 | 第55-56页 |
| ·神经网络模型 | 第56-58页 |
| ·确定网络模型的权值 | 第58-59页 |
| ·BP 算法 | 第59-60页 |
| ·发电机模型智能辨识的设计 | 第60-71页 |
| ·具有时序结构神经网络辨识同步发电机的原理 | 第61-65页 |
| ·神经网络的训练与实现 | 第65-66页 |
| ·仿真实现 | 第66-71页 |
| ·结论 | 第71-72页 |
| 第五章 结论 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 发表论文和科研情况说明 | 第78-79页 |
| 致谢 | 第79页 |
