| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 过热汽温控制系统的研究进展 | 第11-14页 |
| 1.2.1 自抗扰控制技术的研究现状 | 第11页 |
| 1.2.2 人工神经网络的发展历史 | 第11-13页 |
| 1.2.3 火电厂过热汽温控制的研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 人工神经网络基础 | 第16-29页 |
| 2.1 人工神经网络的特性 | 第16页 |
| 2.2 生物神经元模型及人工神经元模型 | 第16-18页 |
| 2.2.1 生物神经元模型 | 第16-17页 |
| 2.2.2 人工神经元模型 | 第17-18页 |
| 2.3 BP网络 | 第18-23页 |
| 2.3.1 BP学习算法 | 第18-21页 |
| 2.3.2 BP算法的改进 | 第21-23页 |
| 2.4 神经网络逆系统 | 第23-28页 |
| 2.4.1 神经网络逆系统的提出 | 第24页 |
| 2.4.2 神经网络逆系统的结构 | 第24-25页 |
| 2.4.3 神经网络逆系统的实现 | 第25-27页 |
| 2.4.4 神经网络逆系统控制方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 自抗扰控制技术简介 | 第29-40页 |
| 3.1 非线性PID原理 | 第29-31页 |
| 3.1.1 PID控制器 | 第29-30页 |
| 3.1.2 跟踪微分器 | 第30-31页 |
| 3.1.3 非线性PID控制器 | 第31页 |
| 3.2 自抗扰控制器基本原理 | 第31-38页 |
| 3.2.1 扩张状态观测器 | 第31-33页 |
| 3.2.2 非线性反馈环节 | 第33-34页 |
| 3.2.3 自抗扰控制器 | 第34-38页 |
| 3.2.3.1 非线性自抗扰控制器(ADRC) | 第34-35页 |
| 3.2.3.2 线性自抗扰控制器(LADRC) | 第35-38页 |
| 3.3 自抗扰控制器参数整定 | 第38-39页 |
| 3.3.1 ADRC参数整定规律 | 第38页 |
| 3.3.2 LADRC参数整定规律 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 超临界锅炉过热汽温特性及调节方法 | 第40-44页 |
| 4.1 过热汽温特性 | 第40-42页 |
| 4.2 超临界锅炉过热汽温影响因素分析 | 第42页 |
| 4.3 过热汽温常见的调节方法 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于神经网络的过热汽温自抗扰控制仿真研究 | 第44-57页 |
| 5.1 600MW超临界锅炉系统介绍 | 第44-46页 |
| 5.2 基于神经网络逆的过热汽温自抗扰控制方案介绍 | 第46-48页 |
| 5.3 过热汽温系统神经网络逆模型建立 | 第48-51页 |
| 5.4 线性自抗扰控制器实现 | 第51页 |
| 5.5 控制方案仿真验证 | 第51-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第6章 结论与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-63页 |
| 致谢 | 第63页 |