基于遗传算法的超超临界机组主汽温度控制研究

致谢	第1-7页
摘要	第7-8页
ABSTRACT	第8-9页
插图和附表清单	第9-11页
目次	第11-15页
1 绪论	第15-22页
·研究背景	第15-16页
·研究现状	第16-19页
·模糊控制	第16-17页
·神经控制	第17页
·预测控制	第17页
·免疫算法	第17-18页
·粒子群算法	第18页
·遗传算法	第18-19页
·现状分析	第19-20页
·本文内容与结构	第20-22页
2 控制系统结构分析	第22-30页
·超超临界机组蒸汽过热系统概述	第22页
·主汽温串级控制系统	第22-28页
·采用串级调节系统的条件	第22-23页
·主汽温串级控制系统结构分析	第23-25页
·串级控制系统的特点	第25-26页
·主副回路调节器的选型	第26页
·Smith预估补偿控制	第26-28页
·主汽温自适应串级控制系统	第28-29页
·本章小结	第29-30页
3 被控对象的数学模型	第30-37页
·主汽温动态特性及对象模型	第30-32页
·主蒸汽温度的动态特性	第30页
·主蒸汽温度被控对象模型	第30-32页
·主汽温对象辨识的数学模型	第32-33页
·主汽温对象模型辨识的目标函数	第32-33页
·主汽温对象模型辨识的约束条件	第33页
·主回路系统结构及性能指标	第33-35页
·主回路控制系统结构	第33-34页
·控制系统性能指标	第34-35页
·控制器PID参数优化的数学模型	第35-36页
·控制器PID参数优化的目标函数	第35页
·控制器PID参数优化的约束条件	第35-36页
·本章小结	第36-37页
4 遗传算法的引入	第37-47页
·遗传算法的历史革沿	第37页
·遗传算法的工作原理	第37-39页
·遗传算法的基本实现方法	第39-42页
·编码	第39-40页
·适应度函数	第40页
·选择算子	第40-41页
·交叉算子	第41页
·变异算子	第41-42页
·终止条件	第42页
·遗传算法的改进	第42-45页
·种群初始化方法的改进	第42-43页
·选择算子的改进	第43-44页
·交叉算子的改进	第44页
·变异算子的改进	第44-45页
·应用遗传算法的几个要点	第45页
·本章小结	第45-47页
5 遗传算法辨识对象模型	第47-54页
·数学模型及辨识要求	第47-48页
·主汽温对象辨识问题的数学模型表达	第47-48页
·主汽温对象模型辨识要求分析	第48页
·遗传参数分析及选择	第48-51页
·标函数最大估计值	第48-49页
·决策量上、下限参数值	第49-50页
·进化代数与种群大小分析	第50-51页
·模型辨识仿真结果分析	第51-52页
·收敛精度分析	第51-52页
·模型辨识的结果	第52页
·本章小结	第52-54页
6 控制器参数遗传算法优化	第54-61页
·数学模型及优化要求	第54-55页
·PID参数优化问题的数学模型表达	第54页
·估计模型下的主回路系统	第54-55页
·控制器PID参数优化要求分析	第55页
·参数分析及选择	第55-58页
·目标函数性能指标系数	第55-56页
·标函数最大估计值	第56页
·决策量上、下限参数值	第56-57页
·进化代数与种群大小分析	第57-58页
·参数优化真结果分析	第58-60页
·收敛精度分析	第58-60页
·PID参数优化的结果	第60页
·本章小结	第60-61页
7 结论与展望	第61-63页
·结论	第61-62页
·展望	第62-63页
参考文献	第63-67页
作者简介	第67页