| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景以及研究意义 | 第9页 |
| 1.2 国内外研究现状及发展 | 第9-12页 |
| 1.2.1 基于神经网络的数据驱动建模方法 | 第9-10页 |
| 1.2.2 自适应动态规划的算法及应用 | 第10-11页 |
| 1.2.3 故障诊断 | 第11-12页 |
| 1.3 课题的来源 | 第12-13页 |
| 1.4 课题结构和研究内容 | 第13-15页 |
| 第二章 基于RNN的数据驱动建模 | 第15-24页 |
| 2.1 分析大功率DBD型臭氧发生器 | 第15-17页 |
| 2.1.1 DBD型臭氧放电单元研究 | 第15-16页 |
| 2.1.2 臭氧发生器逆变电源研究 | 第16-17页 |
| 2.2 基于RNN的系统建模算法 | 第17-23页 |
| 2.2.1 递归神经网络的结构 | 第17-18页 |
| 2.2.2 模型分析 | 第18-21页 |
| 2.2.3 实验结果及分析 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于ADP的臭氧发生器最优控制 | 第24-35页 |
| 3.1 自适应动态规划算法 | 第24-26页 |
| 3.1.1 自适应动态规划原理与特点 | 第24-25页 |
| 3.1.2 自适应动态规划ADP的结构发展 | 第25-26页 |
| 3.2 基于ADP的臭氧发生过程跟踪控制器设计理论 | 第26-30页 |
| 3.2.1 算法描述 | 第27-28页 |
| 3.2.2 设计跟踪控制器 | 第28-29页 |
| 3.2.3 实验结果以及分析 | 第29-30页 |
| 3.3 基于ADP的输入受限臭氧发生过程跟踪控制器设计理论 | 第30-34页 |
| 3.3.1 算法描述 | 第31-32页 |
| 3.3.2 设计输入受限跟踪控制器 | 第32-33页 |
| 3.3.3 实验结果对比以及分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 臭氧发生器的故障诊断 | 第35-44页 |
| 4.1 臭氧发生器的故障种类 | 第35页 |
| 4.2 基于LM神经网络的故障诊断 | 第35-43页 |
| 4.2.1 LM神经网络算法 | 第35-36页 |
| 4.2.2 基于LM神经网络的故障检测过程 | 第36-39页 |
| 4.2.3 实验结果及分析 | 第39-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |