| 1 绪论 | 第1-10页 |
| 1．1 锅炉设备概述 | 第7页 |
| 1．2 过程控制发展及现状 | 第7-8页 |
| 1．3 智能控制理论及其在过程控制中的应用 | 第8-9页 |
| 1．4 本设计的任务与目的 | 第9-10页 |
| 2 传统锅炉控制方案介绍 | 第10-17页 |
| 2．1 PID控制算法 | 第10-14页 |
| 2．1．1 模拟PID控制 | 第10-11页 |
| 2．1．2 数字PID控制算法 | 第11-14页 |
| 2．1．3 PID控制方式的分析 | 第14页 |
| 2．2 锅炉控制方案介绍 | 第14-17页 |
| 3 模糊控制及神经元网络控制理论 | 第17-33页 |
| 3．1 模糊控制理论基础及应用 | 第17-20页 |
| 3．1．1 模糊集理论的产生与发展 | 第17-18页 |
| 3．1．2 模糊控制系统和模糊控制器 | 第18-20页 |
| 3．2 神经网络基本理论和神经网络控制 | 第20-33页 |
| 3．2．1 神经网络的基本原理 | 第20-27页 |
| 3．2．2 神经元网络及BP网络 | 第27-30页 |
| 3．2．3 神经网络在控制中的应用 | 第30-33页 |
| 4 基于补偿模糊神经网络的自适应控制器 | 第33-47页 |
| 4．1 模糊神经网络控制 | 第33-37页 |
| 4．1．1 模糊神经网络系统的标准模型 | 第33-35页 |
| 4．1．2 模糊神经网络的结构与算法 | 第35-37页 |
| 4．2 带补偿的模糊神经网络 | 第37-44页 |
| 4．2．1 模糊神经元 | 第37-40页 |
| 4．2．2 补偿模糊神经网络结构 | 第40-44页 |
| 4．3 基于补偿模糊神经网络的自适应控制器 | 第44-47页 |
| 4．3．1 补偿模糊神经网络控制器的结构 | 第44-46页 |
| 4．3．2 补偿模糊神经网络控制系统 | 第46-47页 |
| 5 补偿模糊神经网络控制器的工业锅炉控制中应用的仿真 | 第47-60页 |
| 5．1 仿真工具介绍 | 第47页 |
| 5．2 用Simulink构造模糊神经网络控制器模型 | 第47-48页 |
| 5．3 工业锅炉控制系统仿真 | 第48-60页 |
| 结论 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-63页 |