小波神经网络理论及其在过热汽温控制中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 一 绪论 | 第10-18页 |
| 1 序言 | 第10-11页 |
| 2 小波神经网络的产生、现状及发展 | 第11-13页 |
| 3 小波神经网络在控制领域中的应用现状 | 第13-15页 |
| 4 本文的研究内容与思路 | 第15页 |
| 参考文献 | 第15-18页 |
| 二 火电厂复杂过程控制系统 | 第18-26页 |
| 1 发言 | 第18-19页 |
| 2 火电厂复杂控制系统 | 第19-24页 |
| (1) 单元机组出力控制系统 | 第20-21页 |
| (2) 锅炉燃烧过程控制系统 | 第21页 |
| (3) 过热蒸汽温度控制系统 | 第21-23页 |
| (4) 锅炉汽包水位控制系统 | 第23-24页 |
| 3 小结 | 第24页 |
| 参考文献 | 第24-26页 |
| 三 小波神经网络理论 | 第26-78页 |
| 1 小波分析基础 | 第26-34页 |
| (1) 小波分析定义 | 第27-28页 |
| (2) 多分辨率分析 | 第28-30页 |
| (3) 小波包分析 | 第30页 |
| (4) 小波分析的工程涵义 | 第30-32页 |
| (5) 小波分析与傅立叶分析的区别 | 第32-34页 |
| 2 小波神经网络的构造与设计 | 第34-54页 |
| (1) 小波分析与神经网络的结合途径 | 第34-35页 |
| (2) 小波神经网络的结构及其类型 | 第35-38页 |
| (3) 小波神经网络的结构设计方法 | 第38-42页 |
| (4) 小波神经网络的学习算法 | 第42-54页 |
| 3 小波神经网络的函数逼近性 | 第54-62页 |
| 4 小波神经网络的鲁棒性 | 第62-68页 |
| 5 仿真实例 | 第68-72页 |
| 6 小波神经网络有别于神经网络的优越性 | 第72-73页 |
| 7 小结 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 四 小波神经网络在控制中的应用 | 第78-92页 |
| 1 基于小波神经网络的系统辨识与建模 | 第78-80页 |
| (1) 小波神经网络辨识的基本原理 | 第78-79页 |
| (2) 小波神经网络辨识器的结构 | 第79-80页 |
| 2 控制系统中小波神经网络的应用 | 第80-87页 |
| (1) 基于小波神经网络的稳定直接非线性系统控制 | 第81-82页 |
| (2) 基于小波神经网络的模型参考自适应控制 | 第82-84页 |
| (3) 基于小波神经网络的预测控制 | 第84-86页 |
| (4) 基于小波神经网络的内模控制 | 第86-87页 |
| (5) 与小波神经网络有关的逆系统方法控制 | 第87页 |
| 3 基于小波神经网络的智能诊断与故障检测 | 第87-88页 |
| 4 小结 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 五 小波神经网络在锅炉过热汽温控制中的应用 | 第92-102页 |
| 1 概述 | 第92-94页 |
| 2 小波神经网络在过热汽温控制中的仿真研究 | 第94-101页 |
| 3 小结 | 第101页 |
| 参考文献 | 第101-102页 |
| 六 结束语 | 第102-105页 |
| 致谢 | 第105-106页 |
| 攻读硕士研究生学位期间发表的论文 | 第106页 |
