| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 模型预测控制发展与研究现状 | 第13-16页 |
| 1.2.1 模型预测控制理论 | 第14-15页 |
| 1.2.2 现代工业过程中的模型预测控制 | 第15-16页 |
| 1.3 非线性预测控制发展与研究现状 | 第16-20页 |
| 1.3.1 非线性预测控制建模方法研究 | 第17-19页 |
| 1.3.2 非线性预测控制优化效率研究 | 第19-20页 |
| 1.3.3 非线性预测控制存在的问题 | 第20页 |
| 1.4 本文主要工作及章节安排 | 第20-22页 |
| 第2章 预备知识 | 第22-36页 |
| 2.1 引言 | 第22页 |
| 2.2 支持向量回归机的基本原理 | 第22-30页 |
| 2.2.1 线性支持向量回归机 | 第22-24页 |
| 2.2.2 核函数 | 第24-25页 |
| 2.2.3 非线性支持向量回归机 | 第25-26页 |
| 2.2.4 最小二乘支持向量回归机 | 第26-28页 |
| 2.2.5 基于标准粒子群算法的LS-SVR参数优化 | 第28-30页 |
| 2.3 非线性预测控制理论 | 第30-35页 |
| 2.3.1 基于LS-SVR模型的非线性预测控制过程描述 | 第30-33页 |
| 2.3.2 序列二次规划算法 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第3章 基于M-LS-SVR的MIMO非线性系统预测控制 | 第36-50页 |
| 3.1 引言 | 第36页 |
| 3.2 基于M-LS-SVR的MIMO非线性系统建模 | 第36-38页 |
| 3.3 基于M-LS-SVR模型的MIMO非线性预测控制算法 | 第38-42页 |
| 3.3.1 基于M-LS-SVR模型的非线性预测控制过程描述 | 第38-39页 |
| 3.3.2 基于SQP算法的预测控制律求解 | 第39-41页 |
| 3.3.3 基于M-LS-SVR模型的非线性预测控制算法实现 | 第41-42页 |
| 3.4 仿真研究 | 第42-48页 |
| 3.4.1 建模效果对比 | 第42-45页 |
| 3.4.2 控制效果对比 | 第45-48页 |
| 3.5 小结 | 第48-50页 |
| 第4章 基于M-LS-SVR的MIMO非线性系统自适应预测控制 | 第50-58页 |
| 4.1 引言 | 第50页 |
| 4.2 基于M-LS-SVR的自适应预测控制过程描述 | 第50-52页 |
| 4.2.1 自适应控制技术 | 第50-51页 |
| 4.2.2 基于M-LS-SVR模型的自适应控制与预测控制结合 | 第51-52页 |
| 4.3 基于M-LS-SVR的自适应预测控制算法研究 | 第52-54页 |
| 4.3.1 模型参数估计器设计 | 第52-53页 |
| 4.3.2 非线性预测控制器设计 | 第53-54页 |
| 4.3.3 基于M-LS-SVR的自适应预测控制算法实现 | 第54页 |
| 4.4 仿真研究 | 第54-57页 |
| 4.5 小结 | 第57-58页 |
| 第5章 基于M-LS-SVR的高炉多元铁水质量预测控制 | 第58-72页 |
| 5.1 引言 | 第58页 |
| 5.2 高炉冶铁动态过程分析 | 第58-60页 |
| 5.2.1 高炉冶铁过程描述 | 第58-59页 |
| 5.2.2 高炉铁水质量参数指标描述 | 第59页 |
| 5.2.3 高炉冶铁过程控制参数描述 | 第59-60页 |
| 5.3 基于M-LS-SVR模型的高炉铁水温度和硅含量的预测控制 | 第60-70页 |
| 5.3.1 建模效果对比 | 第61-64页 |
| 5.3.2 控制效果对比 | 第64-70页 |
| 5.4 小结 | 第70-72页 |
| 第6章 总结与展望 | 第72-74页 |
| 6.1 工作总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士期间科研工作 | 第80页 |
