| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-21页 |
| ·选题背景及意义 | 第10-11页 |
| ·多模型策略基本原理 | 第11-12页 |
| ·多模型控制方法研究现状 | 第12-18页 |
| ·增益调度控制 | 第12-15页 |
| ·多模型自适应控制 | 第15-16页 |
| ·其他多模型控制方法 | 第16-18页 |
| ·多模型系统分析 | 第18-19页 |
| ·本文主要工作 | 第19-21页 |
| 第二章 多模型控制基本理论 | 第21-42页 |
| ·基本概念 | 第21-22页 |
| ·多模型集的建立 | 第22-25页 |
| ·概述 | 第22-23页 |
| ·动态优化模型集的建立 | 第23-24页 |
| ·固定模型以及自适应模型的获取 | 第24-25页 |
| ·切换调度原则 | 第25-33页 |
| ·多模型切换控制算法 | 第27-30页 |
| ·多模型加权算法 | 第30-33页 |
| ·多控制器集 | 第33页 |
| ·非线性系统的多模型控制 | 第33-41页 |
| ·引言 | 第33-34页 |
| ·非线性系统多模型自适应控制的可行性 | 第34-37页 |
| ·多模型的建立 | 第37-38页 |
| ·自适应控制器的构成 | 第38-40页 |
| ·多模型自适应控制器 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 循环流化床锅炉汽温系统的多模型自适应GPC 控制 | 第42-60页 |
| ·引言 | 第42页 |
| ·广义预测控制概述 | 第42-55页 |
| ·预测控制原理 | 第43-45页 |
| ·广义预测控制的基本算法 | 第45-50页 |
| ·具有可测干扰的广义预测控制 | 第50-52页 |
| ·非线性系统广义预测控制 | 第52-55页 |
| ·循环流化床锅炉汽温系统的模型及动态特性分析 | 第55-56页 |
| ·循环流化床锅炉汽温系统的模型 | 第55-56页 |
| ·循环流化床锅炉汽温系统的动态特性分析 | 第56页 |
| ·循环流化床汽温系统多模型自适应GPC 控制 | 第56-59页 |
| ·固定模型的选取 | 第56-57页 |
| ·被控对象的自适应辨识 | 第57页 |
| ·自适应模型和多模型的处理 | 第57-58页 |
| ·关于实时辨识和控制 | 第58页 |
| ·实例仿真 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 火电厂主汽温系统的多模型PID 控制 | 第60-66页 |
| ·引言 | 第60页 |
| ·PID 概述 | 第60-61页 |
| ·主汽温系统的多模型PID 控制方案 | 第61-62页 |
| ·多模型建模 | 第61-62页 |
| ·主蒸汽温度系统的对象特性 | 第62页 |
| ·主汽温系统的多模型PID 控制方案 | 第62页 |
| ·仿真试验 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 火电厂主汽温系统的多模型内模控制 | 第66-76页 |
| ·引言 | 第66页 |
| ·内模控制基本算法 | 第66-72页 |
| ·内模控制结构 | 第67-68页 |
| ·内模控制的性质 | 第68-69页 |
| ·内模控制器的设计 | 第69页 |
| ·滤波器的设计 | 第69-70页 |
| ·IMC 性能分析 | 第70-72页 |
| ·基于多模型的内模控制器 | 第72页 |
| ·主汽温系统的多模型内模控制器设计 | 第72-75页 |
| ·主汽温系统的多模型内模控制方案 | 第72-74页 |
| ·仿真结果 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 基于多模型的DRNN 网络自整定PID 控制 | 第76-103页 |
| ·引言 | 第76-77页 |
| ·灰色预测理论 | 第77-80页 |
| ·灰色理论简介 | 第77-79页 |
| ·灰色预测理论 | 第79-80页 |
| ·神经网络概述 | 第80-88页 |
| ·神经网络发展 | 第80-81页 |
| ·神经网络的一般结构与学习算法 | 第81-82页 |
| ·神经网络在非线性系统中的应用 | 第82-84页 |
| ·递归神经网络 | 第84-88页 |
| ·过热汽温系统的多模型神经网络自整定PID 控制 | 第88-92页 |
| ·SNN 学习样本的获取 | 第89-90页 |
| ·控制算法 | 第90-91页 |
| ·仿真结果 | 第91-92页 |
| ·多变量系统的多模型神经网络自整定解耦PID 控制 | 第92-102页 |
| ·多变量系统解耦方法 | 第92-93页 |
| ·多变量系统的神经网络解耦方法 | 第93-99页 |
| ·协调系统的DRNN 多模型自整定PID 解耦控制方案 | 第99-102页 |
| ·本章小结 | 第102-103页 |
| 第七章 结论与展望 | 第103-105页 |
| ·主要研究成果 | 第103-104页 |
| ·展望 | 第104-105页 |
| 参考文献 | 第105-112页 |
| 致谢 | 第112-113页 |
| 攻读博士学位期间发表的学术论文 | 第113-114页 |
| 攻读博士学位期间参加的科研工作 | 第114-115页 |
| 详细摘要 | 第115-137页 |
