基于改进的遗传算法在换热站控制中应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.1.1 课题研究背景 | 第11页 |
| 1.1.2 课题研究的意义 | 第11-12页 |
| 1.2 课题研究内容现状 | 第12-14页 |
| 1.2.1 集中供热系统控制研究现状 | 第12页 |
| 1.2.2 解耦技术研究现状 | 第12-14页 |
| 1.2.3 遗传算法研究现状 | 第14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 本文的主要安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 集中供热系统换热站控制分析 | 第17-25页 |
| 2.1 集中供热系统简介 | 第17-19页 |
| 2.1.1 热源 | 第18-19页 |
| 2.1.2 热网 | 第19页 |
| 2.1.3 热用户 | 第19页 |
| 2.2 集中供热系统控制方法 | 第19-20页 |
| 2.3 集中供热系统的供热调节 | 第20-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 神经网络对换热站控制方式解耦 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 第一换热站供热的基本情况 | 第25-26页 |
| 3.3 第一换热站供热的设计方案 | 第26-29页 |
| 3.4 换热站耦合控制分析 | 第29-30页 |
| 3.5 RBF神经网络解耦控制器 | 第30-34页 |
| 3.5.1 RBF神经网络模型 | 第31-32页 |
| 3.5.2 RBF神经网络解耦器设计 | 第32-33页 |
| 3.5.3 RBF神经网络学习算法 | 第33-34页 |
| 3.6 RBF神经网络解耦仿真分析 | 第34-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 遗传算法对换热站控制优化设计 | 第37-47页 |
| 4.1 PID控制器应用简介 | 第37-38页 |
| 4.2 遗传算法概述 | 第38-40页 |
| 4.2.1 遗传算法的基本思想 | 第38-39页 |
| 4.2.2 遗传算法的基本操作 | 第39页 |
| 4.2.3 遗传算法的运行参数 | 第39-40页 |
| 4.3 基于遗传算法整定PID的原理 | 第40-42页 |
| 4.4 换热站控制回路中遗传算法优化设计 | 第42-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 基于改进的遗传算法在供热系统中应用 | 第47-57页 |
| 5.1 蚁群算法 | 第47-50页 |
| 5.1.1 蚁群算法的基本思想 | 第47-49页 |
| 5.1.2 蚁群算法的模型 | 第49-50页 |
| 5.2 蚁群——遗传融合的算法 | 第50-52页 |
| 5.3 蚁群遗传融合算法在控制系统中应用研究 | 第52-55页 |
| 5.3.1 质调节通道仿真分析 | 第52-53页 |
| 5.3.2 量调节通道仿真分析 | 第53-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第六章 总结 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者简介及攻读期成果 | 第63-65页 |
| 致谢 | 第65页 |
