| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 热工过程辨识研究现状 | 第9-12页 |
| 1.3 单元机组优化控制研究现状 | 第12-15页 |
| 1.4 论文主要研究内容 | 第15-16页 |
| 第二章 热工过程神经网络模型辨识方法研究 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 一种改进的神经网络模型辨识方法 | 第16-20页 |
| 2.2.1 改进的神经网络训练指标 | 第16-18页 |
| 2.2.2 基于改进性能指标的神经网络学习算法推导 | 第18-20页 |
| 2.2.3 改进的神经网络模型辨识算法步骤 | 第20页 |
| 2.3 过程阶次辨识与神经网络模型结构优化 | 第20-24页 |
| 2.3.1 基于相关度的剪枝算法 | 第21-22页 |
| 2.3.2 基于灵敏度的剪枝算法 | 第22-23页 |
| 2.3.3 改进的神经网络剪枝策略及算法步骤 | 第23-24页 |
| 2.4 仿真研究 | 第24-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 单元机组负荷优化控制 | 第30-64页 |
| 3.1 引言 | 第30页 |
| 3.2 汽包锅炉机组负荷控制方式 | 第30-32页 |
| 3.2.1 炉跟机控制方式 | 第31页 |
| 3.2.2 机跟炉控制方式 | 第31-32页 |
| 3.3 基于遗传算法的机组负荷PID控制器参数优化 | 第32-50页 |
| 3.3.1 改进的优化整定性能指标 | 第32-33页 |
| 3.3.2 参数寻优范围的确定 | 第33-34页 |
| 3.3.3 基于遗传算法的机组负荷PID控制器参数优化整定步骤 | 第34-35页 |
| 3.3.4 仿真研究 | 第35-50页 |
| 3.4 单元机组负荷多变量预测控制器设计 | 第50-62页 |
| 3.4.1 新型预测控制性能指标 | 第50页 |
| 3.4.2 基于新型性能指标的预测控制算法推导 | 第50-53页 |
| 3.4.3 单元机组负荷预测控制参数的自适应 | 第53页 |
| 3.4.4 预测控制仿真研究 | 第53-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 单元机组负荷控制应用研究 | 第64-86页 |
| 4.1 引言 | 第64页 |
| 4.2 数据采集 | 第64-66页 |
| 4.3 基于现场数据的神经网络辨识 | 第66-69页 |
| 4.4 传递函数提取 | 第69-74页 |
| 4.5 机组负荷PID控制器参数优化整定与仿真 | 第74-80页 |
| 4.5.1 PID控制器设计 | 第74-76页 |
| 4.5.2 非线性对象PID控制系统控制效果 | 第76-80页 |
| 4.6 机组负荷预测控制器参数优化整定与仿真 | 第80-85页 |
| 4.6.1 预测控制器设计 | 第80-82页 |
| 4.6.2 非线性对象的预测控制效果 | 第82-85页 |
| 4.7 本章小结 | 第85-86页 |
| 第五章 结论与展望 | 第86-88页 |
| 5.1 本文主要工作内容 | 第86-87页 |
| 5.2 今后工作展望 | 第87-88页 |
| 参考文献 | 第88-94页 |
| 读硕士学位期间发表的论文及其它成果 | 第94-96页 |
| 致谢 | 第96页 |
