摘要 | 第1-5页 |
ABSTRACT | 第5-13页 |
第一章 绪论 | 第13-25页 |
·课题的研究背景与选题意义 | 第13-15页 |
·加热炉控制及其研究现状 | 第15-18页 |
·加热炉控制 | 第15-17页 |
·温度燃气空气流量串级控制 | 第15-16页 |
·残氧量闭环控制 | 第16-17页 |
·附属回路调节及参数修正 | 第17页 |
·加热炉控制研究现状 | 第17-18页 |
·加热炉优化控制技术的应用现状 | 第18-19页 |
·国外加热炉优化控制的应用现状 | 第18页 |
·国内加热炉优化控制的应用现状 | 第18-19页 |
·目前加热炉控制中存在的主要问题 | 第19-20页 |
·预测控制 | 第20-22页 |
·预测控制的发展 | 第20-21页 |
·传统预测控制存在的主要问题 | 第21-22页 |
·论文研究的主要内容 | 第22-23页 |
·论文的创新点 | 第23-24页 |
·本章小结 | 第24-25页 |
第二章 预测控制理论 | 第25-52页 |
·预测控制的产生背景 | 第25页 |
·预测控制的基本思想 | 第25-30页 |
·预测控制的本质特征 | 第25-26页 |
·预测控制的基本类型 | 第26-28页 |
·预测控制的基本思想 | 第28-30页 |
·智能预测控制策略及研究动向 | 第30-31页 |
·基于神经网络的预测控制 | 第31-51页 |
·引言 | 第31-32页 |
·神经网络预测模型 | 第32-40页 |
·神经网络非线性多步预测模型 | 第32-35页 |
·用三层前向神经网络构造预测模型 | 第35-40页 |
·滚动优化控制器设计 | 第40-51页 |
·滚动优化器的设计方法综述 | 第40-42页 |
·性能目标函数 | 第42页 |
·梯度法求解预测控制律 | 第42-43页 |
2 4 3.4 线性化方法求解预测控制律 | 第43-48页 |
·神经网络求解控制律 | 第48-50页 |
·遗传算法求解控制律 | 第50-51页 |
·反馈校正的设计 | 第51页 |
·本章小结 | 第51-52页 |
第三章 基于小波神经网络的非线性系统建模与预测 | 第52-85页 |
·引言 | 第52-53页 |
·小波神经网络 | 第53-59页 |
·小波神经网络的研究现状 | 第53页 |
·小波神经网络的优点及其存在的问题 | 第53-54页 |
·小波神经网络在控制系统中的应用 | 第54-56页 |
·小波神经网络模型的分类 | 第56-58页 |
·小波神经网络构造的理论基础 | 第58-59页 |
·小波神经网络的性质研究 | 第59-60页 |
·小波神经网络算法及公式推导 | 第60-66页 |
·基本BP算法公式推导 | 第61-64页 |
·改进的快速BP算法 | 第64-66页 |
·小波神经网络的参数选择 | 第66-72页 |
·小波激励函数的选择 | 第66-69页 |
·初始值的选择 | 第69页 |
·输入数据预处理方法 | 第69页 |
·隐含层节点数的选择 | 第69-70页 |
·程序流程图 | 第70-72页 |
·仿真研究 | 第72-83页 |
·本章小结 | 第83-85页 |
第四章 基于小波神经网络预测控制的加热炉炉温控制策略研究 | 第85-115页 |
·带钢热连轧加热炉生产简介 | 第85-87页 |
·热连轧工艺简介 | 第85-86页 |
·炉区的工艺流程 | 第86-87页 |
·加热炉内部结构 | 第87页 |
·加热炉的优化控制 | 第87-93页 |
·加热炉燃烧控制介绍 | 第87-88页 |
·加热炉的工艺要求 | 第88页 |
·加热炉的控制要求 | 第88-89页 |
·钢坯升温曲线 | 第89-91页 |
·加热炉的加热策略 | 第91-93页 |
·炉温控制 | 第93-96页 |
·加热炉炉温控制的重要性 | 第94页 |
·加热炉炉温控制的现状 | 第94-96页 |
·基于小波神经网络预测控制的加热炉炉温控制策略的研究 | 第96-114页 |
·小波神经网络预测控制 | 第97-103页 |
·基于小波神经网络预测控制的加热炉炉温控制策略的仿真研究 | 第103-114页 |
·本章小结 | 第114-115页 |
第五章 结论与展望 | 第115-118页 |
参考文献 | 第118-125页 |
致谢 | 第125-127页 |
攻读硕士研究生学位期间发表的学术论文 | 第127页 |