超超临界机组负荷非线性预测控制及其仿真研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题研究背景 | 第8页 |
| 1.2 超超临界机组协调控制研究现状 | 第8-10页 |
| 1.2.1 机组建模研究 | 第9页 |
| 1.2.2 控制器设计研究 | 第9-10页 |
| 1.3 智能优化算法研究现状 | 第10-12页 |
| 1.4 预测控制研究现状 | 第12-13页 |
| 1.4.1 模型预测控制算法研究现状 | 第12页 |
| 1.4.2 非线性预测控制算法研究现状 | 第12-13页 |
| 1.5 本文研究内容 | 第13-15页 |
| 第二章 改进混合粒子群算法 | 第15-27页 |
| 2.1 基本粒子群 | 第15-18页 |
| 2.1.1 基本粒子群算法的原理 | 第15-16页 |
| 2.1.2 基本粒子群算法流程 | 第16-17页 |
| 2.1.3 粒子群算法的参数设型[57] | 第17-18页 |
| 2.1.4 基本粒子群算法的优点与缺陷 | 第18页 |
| 2.2 改进的混合粒子群算法 | 第18-22页 |
| 2.2.1 遗传算法简介 | 第19页 |
| 2.2.2 模拟退火算法简介 | 第19-20页 |
| 2.2.3 改进混合粒子群算法 | 第20-22页 |
| 2.3 算法验证 | 第22-26页 |
| 2.3.1 改进混合粒子群算法性能测试 | 第22-24页 |
| 2.3.2 给定模型辨识仿真 | 第24-26页 |
| 2.4 本章小节 | 第26-27页 |
| 第三章 超超临界机组模型的建立 | 第27-43页 |
| 3.1 建模过程 | 第27-34页 |
| 3.1.1 制粉系统模型 | 第27-28页 |
| 3.1.2 锅炉汽水系统模型 | 第28-32页 |
| 3.1.3 汽轮机模型 | 第32-34页 |
| 3.1.4 模型结构 | 第34页 |
| 3.2 模型参数确定 | 第34-39页 |
| 3.2.1 静态参数的求取 | 第35-36页 |
| 3.2.2 待定函数的求取 | 第36-37页 |
| 3.2.3 动态参数的求取 | 第37-39页 |
| 3.3 模型动态特性 | 第39-42页 |
| 3.3.1 模型搭建 | 第39-40页 |
| 3.3.2 动态特性试验 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于神经网络模型的非线性预测控制研究 | 第43-62页 |
| 4.1 预测控制 | 第43-49页 |
| 4.1.1 预测控制基本原理 | 第43-45页 |
| 4.1.2 广义预测控制算法 | 第45-48页 |
| 4.1.3 非线性预测控制 | 第48-49页 |
| 4.2 RBF神经网络模型 | 第49-51页 |
| 4.2.1 RBF网的结构 | 第49页 |
| 4.2.2 RBF网络常用的学习算法 | 第49-51页 |
| 4.3 基于神经网络模型非线性预测控制 | 第51-53页 |
| 4.3.1 预测模型与反馈校正 | 第52页 |
| 4.3.2 滚动优化 | 第52-53页 |
| 4.3.3 控制步骤 | 第53页 |
| 4.4 超超临界机组负荷非线性预测控制 | 第53-61页 |
| 4.4.1 预测模型辨识 | 第53-56页 |
| 4.4.2 非线性预测控制仿真试验 | 第56-61页 |
| 4.5 本章小节 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 硕士期间发表的学术论文 | 第69页 |
