超临界机组模型辨识及其先进控制策略研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 超临界机组模型辨识研究现状 | 第10页 |
| 1.2.2 机理建模 | 第10页 |
| 1.2.3 实验建模 | 第10-11页 |
| 1.2.4 智能建模 | 第11-13页 |
| 1.3 预测控制及其在超临界机组的应用现状 | 第13-16页 |
| 1.3.1 动态矩阵控制 | 第13页 |
| 1.3.2 广义预测控制 | 第13-14页 |
| 1.3.3 多模型预测控制 | 第14-15页 |
| 1.3.4 非线性预测控制 | 第15-16页 |
| 1.4 本文的主要工作内容 | 第16-17页 |
| 第二章 超临界机组协调控制系统建模 | 第17-52页 |
| 2.1 引言 | 第17页 |
| 2.2 超临界机组及其协调控制系统 | 第17-21页 |
| 2.2.1 协调控制系统的参数可辨识性 | 第20-21页 |
| 2.3 新型的模糊辨识算法 | 第21-30页 |
| 2.3.1 新型模糊模型结构 | 第22-24页 |
| 2.3.2 辨识前提参数 | 第24-27页 |
| 2.3.3 辨识结论参数 | 第27-28页 |
| 2.3.4 改进的随机梯度(ISG)下降法 | 第28-29页 |
| 2.3.5 ISG算法与SG算法的性能对比 | 第29-30页 |
| 2.4 子空间辨识算法 | 第30-33页 |
| 2.5 超临界机组协调控制系统的辨识 | 第33-51页 |
| 2.5.1 新型T-S模糊辨识算法辨识结果 | 第33-46页 |
| 2.5.2 子空间辨识算法辨识结果 | 第46-51页 |
| 2.6 小结 | 第51-52页 |
| 第三章 基于多模型加权预测控制的协调控制系统 | 第52-69页 |
| 3.1 引言 | 第52页 |
| 3.2 多变量变约束广义预测控制策略 | 第52-56页 |
| 3.2.1 广义预测控制算法结构 | 第52-53页 |
| 3.2.2 多变量预测控制算法 | 第53-56页 |
| 3.3 多模型加权预测控制策略 | 第56-57页 |
| 3.4 变权值性能指标 | 第57-58页 |
| 3.5 约束条件 | 第58-59页 |
| 3.6 仿真案例 | 第59-68页 |
| 3.6.1 跟踪测试 | 第60-65页 |
| 3.6.2 抗干扰测试 | 第65-68页 |
| 3.7 小结 | 第68-69页 |
| 第四章 快速预测控制策略在协调控制系统中的应用 | 第69-81页 |
| 4.1 引言 | 第69页 |
| 4.2 快速预测控制算法 | 第69-74页 |
| 4.3 仿真结果及分析 | 第74-80页 |
| 4.3.1 输出模型参数 | 第74-75页 |
| 4.3.2 跟踪测试 | 第75-77页 |
| 4.3.3 抗干扰测试 | 第77-80页 |
| 4.4 小结 | 第80-81页 |
| 第五章 结论与展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第89-90页 |
| 致谢 | 第90页 |
