摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 绪论 | 第11-23页 |
·研究背景 | 第11-12页 |
·国内外研究现状 | 第12-21页 |
·焦炉集气管压力控制及解耦控制 | 第12-15页 |
·Multi-Agent系统及应用 | 第15-21页 |
·主要研究内容和论文结构 | 第21-23页 |
第二章 基于MAS的集成智能控制框架 | 第23-48页 |
·焦炉集气管工艺流程和控制要求 | 第23-25页 |
·焦炉集气管工艺过程 | 第23-24页 |
·焦炉集气管压力控制要求 | 第24-25页 |
·焦炉集气管压力控制基本构想 | 第25-26页 |
·基于MAS集成智能控制(MDIICS)的概念模型 | 第26-28页 |
·组织结构 | 第28-33页 |
·多Agent系统组织结构 | 第28-30页 |
·Agent模型 | 第30-33页 |
·任务分解与协作 | 第33-37页 |
·任务分解 | 第33-36页 |
·Agent协作 | 第36-37页 |
·基于智能体的分布式集成控制实现框架 | 第37-47页 |
·智能控制子系统 | 第38-45页 |
·专家智能集成子系统 | 第45-46页 |
·虚拟仿真子系统 | 第46-47页 |
·小结 | 第47-48页 |
第三章 焦炉集气管压力分布式解耦控制 | 第48-86页 |
·焦炉集气管压力控制结构 | 第48-57页 |
·任务分解 | 第48-52页 |
·分布式多模控制 | 第52页 |
·解耦控制结构 | 第52-57页 |
·强化学习及其算法 | 第57-59页 |
·自适应启发评判(AHC)强化学习 | 第57-59页 |
·基于遗传算法的自适应启发评判(AHC)强化学习 | 第59页 |
·基于协进化强化学习的分布式多变量协调解耦控制算法 | 第59-65页 |
·应用对象模型改进强化学习性能 | 第65-70页 |
·TS类型回归模糊神经网络(TSRNFN) | 第65-67页 |
·TS类型回归模糊神经网络学习算法 | 第67-70页 |
·焦炉集气管压力解耦控制仿真 | 第70-85页 |
·焦炉集气管压力过程机理模型 | 第70-73页 |
·仿真结果 | 第73-85页 |
·小结 | 第85-86页 |
第四章 焦炉集气管压力多级智能协调控制 | 第86-105页 |
·基于Agent的多级协调控制结构 | 第86-88页 |
·初冷器前压力优化设定 | 第88-90页 |
·初冷器及鼓风机专家智能协调规则 | 第90-92页 |
·瞬态冲击协调控制算法 | 第92-97页 |
·基本Q-强化学习算法 | 第92-93页 |
·基于Actor-critic的Agent强化学习 | 第93-94页 |
·基于强化学习的焦炉多级协调算法 | 第94-95页 |
·单个Agent的全局奖赏 | 第95页 |
·回归模糊网络结构确定 | 第95-97页 |
·控制Agent模态变迁 | 第97-98页 |
·仿真结果 | 第98-104页 |
·小结 | 第104-105页 |
第五章 工业实现及运行结果 | 第105-133页 |
·系统结构及配置 | 第105-107页 |
·软件实现框架 | 第107-110页 |
·基于JADE的Agent系统开发平台 | 第110-113页 |
·开发平台的选择 | 第110-111页 |
·FIPA多Agent系统 | 第111-112页 |
·基于FIPA的JADE开发平台 | 第112-113页 |
·基于JADE的上位应用系统开发 | 第113-122页 |
·面向Agent软件工程与系统开发方法 | 第114-116页 |
·Agent的定义与类设计 | 第116-119页 |
·控制Agent实现与算法封装 | 第119-121页 |
·从基本行为构成复杂行为Agent | 第121-122页 |
·Agent通信与协作 | 第122-125页 |
·Agent通信 | 第122-124页 |
·Agent与OPC服务器的通信 | 第124-125页 |
·上位人机界面与下位基本控制Agent实现 | 第125-126页 |
·实际工业应用结果 | 第126-128页 |
·小结 | 第128-133页 |
第六章 结论与展望 | 第133-135页 |
·结论 | 第133-134页 |
·展望 | 第134-135页 |
参考文献 | 第135-143页 |
致谢 | 第143-145页 |
读博期间发表的相关论文和参加的科研 | 第145页 |