| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景意义 | 第10-11页 |
| 1.2 神经网络逆模型控制研究现状与发展 | 第11-13页 |
| 1.2.1 国外研究和应用现状 | 第11-13页 |
| 1.2.2 国内研究和应用现状 | 第13页 |
| 1.3 神经网络逆控制在超超临界机组中的优势和应用现状 | 第13-14页 |
| 1.3.1 神经网络逆控制在超超临界机组中的优势 | 第13-14页 |
| 1.3.2 神经网络逆控制在超超临界机组中中的应用现状 | 第14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 第二章 超超临界机组控制特性分析 | 第15-25页 |
| 2.1 超超临界直流锅炉特性 | 第15-17页 |
| 2.2 超超临界直流锅炉的控制特点 | 第17-21页 |
| 2.2.1 直流锅炉控制中的问题 | 第18-19页 |
| 2.2.2 超超临界机组控制特点 | 第19-21页 |
| 2.3 超超临界直流锅炉煤水比控制 | 第21-24页 |
| 2.3.1 煤水比控制任务 | 第21-22页 |
| 2.3.2 煤水比调节的反馈信号 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 超超临界机组煤水比控制系统方案的设计 | 第25-41页 |
| 3.1 超超临界直流锅炉煤水比控制 | 第25-30页 |
| 3.1.1 煤水比控制指令 | 第26-27页 |
| 3.1.2 燃料控制回路 | 第27-28页 |
| 3.1.3 给水控制回路 | 第28-30页 |
| 3.2 神经网络控制方法 | 第30-35页 |
| 3.2.1 BP神经网络及结构 | 第30-32页 |
| 3.2.2 BP神经网络各层节点的计算 | 第32-35页 |
| 3.3 逆模型控制方法 | 第35-37页 |
| 3.4 神经网络逆模型控制方法 | 第37-40页 |
| 3.4.1 神经网络逆模型控制方法的提出 | 第37-38页 |
| 3.4.2 神经网络逆模型控制结构及其等价形式 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 煤水比神经网络逆模型的建模与辨识 | 第41-52页 |
| 4.1 辨识方法介绍 | 第41-43页 |
| 4.2 神经网络逆模型建模 | 第43-48页 |
| 4.2.1 煤水比神经网络逆模型 | 第43-46页 |
| 4.2.2 MATLAB神经网络工具箱Z~(-1) | 第46-48页 |
| 4.3 神经网络逆模型辨识 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 煤水比神经网络逆模型控制的控制性能研究 | 第52-63页 |
| 5.1 给煤控制系统分析 | 第52-53页 |
| 5.2 超超临界机组给水系统神经网络逆模型控制性能分析 | 第53-58页 |
| 5.2.1 数据归一化 | 第53-54页 |
| 5.2.2 给水控制系统的仿真 | 第54-58页 |
| 5.3 鲁棒性以及抗干扰性比较 | 第58-62页 |
| 5.3.1 鲁棒性比较 | 第58-59页 |
| 5.3.2 抗干扰能力比较 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 结论 | 第63-64页 |
| 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A | 第70-75页 |
| 附录B | 第75页 |
