首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

多变量智能控制在电厂制粉系统中的应用研究

第一章 绪论第1-20页
 1.1 前言第11页
 1.2 球磨机中储式制粉系统概述第11-13页
 1.3 球磨机制粉系统控制的现状分析第13-16页
 1.4 球磨机磨筒内负荷测量方法研究现状第16页
 1.5 关于全程控制系统第16-17页
 1.6 现有方法存在的问题第17-18页
 1.7 本文的主要工作第18-20页
第二章 预测控制的解耦算法及其在球磨机制粉系统中的应用第20-43页
 2.1 预测控制算法第20-23页
  2.1.1 DMC算法第20-22页
  2.1.2 GPC算法第22-23页
 2.2 加权GPC算法及稳定性分析第23-27页
  2.2.1 加权GPC算法第24-25页
  2.2.2 稳定性分析第25-27页
 2.3 GPC解耦算法第27-31页
 2.4 DMC解耦算法第31-33页
 2.5 预测控制设计参数的模糊自整定第33-36页
  2.5.1 DMC需要优化的设计参数第34-35页
  2.5.2 DMC设计参数的自整定第35-36页
 2.6 DMC解耦算法应用于制粉系统的仿真分析第36-40页
 2.7 多模型自适应DMC解耦控制在制粉系统中的应用第40-41页
 2.8 本章小结第41-43页
第三章 基于神经网络非线性系统的球磨机逆系统控制研究第43-65页
 3.1 概述第43-44页
 3.2 制粉系统的动态数学模型第44-50页
  3.2.1 动态数学模型的推导第44-47页
  3.2.2 基于动态数学模型的制粉系统动态特性研究第47-50页
 3.3 基于神经网络的磨筒内负荷测量方法第50-55页
  3.3.1 神经网络模型及学习算法第51-52页
  3.3.2 基于神经网络的磨筒内负荷测量模型第52-54页
  3.3.3 基于神经网络模型的磨筒内负荷测量仿真验证第54页
  3.3.4 基于神经网络模型的磨筒内负荷测量现场数据验证第54-55页
 3.4 球磨机的神经网络逆系统控制第55-62页
  3.4.1 逆系统控制方法第55-56页
  3.4.2 球磨机系统的分布式神经网络逆系统控制第56-57页
  3.4.3 球磨机系统的分布式神经网络逆系统控制仿真研究第57-62页
 3.5 本章小结第62-65页
  附录3.A 本章部分符号说明第63-65页
第四章 基于神经网络的非线性解耦预测控制第65-74页
 4.1 概述第65页
 4.2 基于神经网络非线性系统预测控制第65-68页
  4.2.1 神经网络预测模型NNPM的建立第65-66页
  4.2.2 神经网络预测控制器NNPC的设计第66-67页
  4.2.3 基于性能指标1神经网络预测控制第67页
  4.2.4 基于性能指标2神经网络预测控制第67-68页
 4.3 基于神经网络的非线性系统解耦预测控制第68-69页
 4.4 基于神经网络的预测控制在球磨机系统中的应用第69-73页
 4.5 本章小结第73-74页
第五章 制粉系统的优化运行第74-81页
 5.1 制粉系统的特殊性及优化运行的必要性和可行性第74-76页
 5.2 两种优化求解算法第76-79页
  5.2.1 大偏差时的静态解耦模糊控制第76-77页
  5.2.2 基于线性模型的优化求解方法第77-78页
  5.2.3 基于神经网络非线性模型的优化求解方法第78-79页
 5.3 控制步骤第79-80页
 5.4 本章小结第80-81页
第六章 制粉系统效率的新的评价方法—模糊综合评判法第81-89页
 6.1 概述第81页
 6.2 影响因素第81-84页
 6.3 隶属函数的确定第84-86页
 6.4 综合加权评判模型第86-87页
 6.5 综合加权评判实例分析第87-88页
 6.6 本章小结第88-89页
第七章 仿真调试与控制一体化软件的开发第89-98页
 7.1 概述第89页
 7.2 一体化软件的功能特点第89-93页
 7.3 制粉系统全程控制第93-96页
  7.3.1 系统结构第93-94页
  7.3.2 制粉程控系统PLC软件编程第94-96页
  7.3.3 运行效果分析第96页
 7.4 软件的实现第96-97页
 7.5 本章小结第97-98页
第八章 结束语第98-100页
参考文献第100-106页
作者在攻读博士学位期间发表的学术论文第106-107页
作者在攻读博士学位期间所完成的科研项目第107-108页
致  谢第108页

论文共108页,点击 下载论文
上一篇:水稻栽培计算机实验
下一篇:英汉歧义现象对比研究