基于神经网络建模和粒子群优化的锅炉汽温控制研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·选题背景及重要意义 | 第9-10页 |
| ·电站智能控制研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第2章 神经网络基本原理 | 第13-26页 |
| ·神经网络基本原理 | 第13-17页 |
| ·神经网络简介 | 第13页 |
| ·神经网络的主要特性 | 第13-14页 |
| ·神经网络模型 | 第14-15页 |
| ·神经网络结构 | 第15-17页 |
| ·BP神经网络 | 第17-21页 |
| ·BP神经网络结构 | 第17页 |
| ·BP学习算法 | 第17-19页 |
| ·BP算法的改进 | 第19-21页 |
| ·Elman人工神经网络 | 第21-22页 |
| ·Elman神经网络的结构 | 第21-22页 |
| ·Elman神经网络的学习算法 | 第22页 |
| ·MATLAB神经网络工具箱简介 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 粒子群优化算法及改进 | 第26-34页 |
| ·粒子群算法介绍 | 第26-29页 |
| ·基本算法的数学描述 | 第26-27页 |
| ·粒子群算法参数设置分析 | 第27-28页 |
| ·粒子群算法的基本步骤 | 第28-29页 |
| ·一种高效的简化粒子群优化算法 | 第29-32页 |
| ·简化粒子群算法(sPSO) | 第30页 |
| ·简化粒子群算法性能评估 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第4章 超临界锅炉过热汽温预测控制方案设计 | 第34-39页 |
| ·锅炉过热汽温特性及影响因素分析 | 第34-36页 |
| ·过热汽温特性 | 第34页 |
| ·影响过热汽温的因素 | 第34-35页 |
| ·过热汽温凋节方法 | 第35-36页 |
| ·控制对象简介 | 第36-37页 |
| ·过热汽温预测优化控制器设计 | 第37-38页 |
| ·预测控制的基本原理 | 第37页 |
| ·详细的控制策略介绍 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 过热汽温特性的神经网络建模 | 第39-47页 |
| ·模型参数的选取 | 第39页 |
| ·模型结构的确立 | 第39-40页 |
| ·模型训练数据的获取 | 第40-41页 |
| ·汽温对象特性的神经网络模型 | 第41-46页 |
| ·汽温对象特性的BP网络建模与验证 | 第41-44页 |
| ·汽温对象特性的Elman网络建模及验证 | 第44-46页 |
| ·BP神经网络和Elman模型的比较 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第6章 过热汽温预测优化控制的仿真研究 | 第47-53页 |
| ·基于BP模型的优化控制仿真试验 | 第47-49页 |
| ·基于Elman模型的优化控制仿真试验 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第7章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第57-58页 |
| 致谢 | 第58页 |
