| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 选题研究的背景与意义 | 第9-10页 |
| 1.2 选题的国内外研究现状 | 第10-12页 |
| 1.2.1 国内外循环流化床锅炉技术的发展现状 | 第10-11页 |
| 1.2.2 国内外循环流化床锅炉建模控制方面的研究现状 | 第11-12页 |
| 1.3 论文的内容结构安排 | 第12-13页 |
| 第二章 循环流化床锅炉基础理论 | 第13-21页 |
| 2.1 循环流化床锅炉基本介绍 | 第13-14页 |
| 2.1.1 循环流化床锅炉的工作原理 | 第13页 |
| 2.1.2 循环流化床锅炉的物理结构 | 第13-14页 |
| 2.1.3 循环流化床锅炉的工艺流程 | 第14页 |
| 2.2 循环流化床锅炉控制理论 | 第14-20页 |
| 2.2.1 协调控制 | 第15-16页 |
| 2.2.2 床温控制 | 第16-18页 |
| 2.2.3 给煤量控制 | 第18-19页 |
| 2.2.4 一次风量控制 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 循环流化床锅炉建模控制算法 | 第21-41页 |
| 3.1 330MW循环流化床锅炉的线性模型控制算法 | 第21-24页 |
| 3.1.1 多输入多输出系统的最小二乘参数估计的递推算法 | 第21-24页 |
| 3.2 330MW循环流化床锅炉的神经网络模型控制算法 | 第24-35页 |
| 3.2.1 神经网络基础 | 第24-27页 |
| 3.2.2 神经网络模型 | 第27-29页 |
| 3.2.3 神经网络模型的建立及辨识 | 第29-32页 |
| 3.2.4 RBF神经网络模型 | 第32-35页 |
| 3.3 330MW循环流化床锅炉的模糊神经网络模型控制算法 | 第35-40页 |
| 3.3.1 基于T-S模型的模糊神经网络的结构 | 第36-38页 |
| 3.3.2 基于T-S模型的模糊神经网络的学习算法 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 330MW循环流化床锅炉的建模及仿真 | 第41-72页 |
| 4.1 京海电厂330MW循环流化床锅炉的介绍 | 第41-42页 |
| 4.2 330MW循环流化床锅炉的线性模型 | 第42-52页 |
| 4.2.1 330MW循环流化床锅炉的线性模型 | 第42-45页 |
| 4.2.2 330MW循环流化床锅炉的ARMAX模型辨识结果 | 第45-48页 |
| 4.2.3 330MW循环流化床锅炉的ARMAX模型测试结果 | 第48-52页 |
| 4.3 330MW循环流化床锅炉的RBF神经网络模型 | 第52-61页 |
| 4.3.1 RBF网络的设计 | 第52-53页 |
| 4.3.2 RBF神经网络的训练 | 第53-57页 |
| 4.3.3 RBF神经网络的测试 | 第57-61页 |
| 4.4 330MW循环流化床锅炉的模糊神经网络模型 | 第61-70页 |
| 4.4.1 模糊神经网络的设计 | 第61-62页 |
| 4.4.2 模糊神经网络的训练 | 第62-66页 |
| 4.4.3 模糊神经网络的测试 | 第66-70页 |
| 4.5 本章小结 | 第70-72页 |
| 第五章 结论与展望 | 第72-74页 |
| 5.1 结论 | 第72-73页 |
| 5.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |
