致谢 | 第4-5页 |
摘要 | 第5-7页 |
Abstract | 第7-8页 |
1 引言 | 第12-22页 |
1.1 研究背景 | 第12-21页 |
1.1.1 数据驱动优化控制研究 | 第14-18页 |
1.1.2 矿渣微粉生产控制研究 | 第18-21页 |
1.2 研究内容 | 第21-22页 |
2 自适应动态规划优化控制方法概述 | 第22-30页 |
2.1 动态规划问题 | 第22-25页 |
2.1.1 离散时间系统的动态规划问题 | 第23-24页 |
2.1.2 连续时间系统的动态规划问题 | 第24-25页 |
2.2 自适应动态规划概述 | 第25-26页 |
2.3 迭代自适应动态规划 | 第26-27页 |
2.4 在线自适应动态规划 | 第27-28页 |
2.5 本章小结 | 第28-30页 |
3 矿渣微粉生产系统 | 第30-39页 |
3.1 矿渣微粉生产流程 | 第30-32页 |
3.2 矿渣微粉生产系统分析 | 第32-34页 |
3.2.1 磨机振动 | 第32-33页 |
3.2.2 微粉比表面积 | 第33-34页 |
3.3 分级粒度机理建模分析 | 第34-37页 |
3.4 矿渣微粉生产系统模型框架 | 第37-38页 |
3.5 本章小结 | 第38-39页 |
4 基于多设定值的输入受限ADP跟踪控制器 | 第39-66页 |
4.1 输入受限的在线ADP最优调节 | 第39-44页 |
4.1.1 问题描述 | 第39-41页 |
4.1.2 在线ADP最优调节算法 | 第41-44页 |
4.2 对象模型已知的离散时间系统最优跟踪控制 | 第44-53页 |
4.2.1 问题描述 | 第44-46页 |
4.2.2 跟踪问题的在线ADP控制策略 | 第46-48页 |
4.2.3 收敛性分析 | 第48-49页 |
4.2.4 仿真分析 | 第49-53页 |
4.3 模型部分未知的ADP跟踪控制器设计 | 第53-62页 |
4.3.1 问题描述 | 第53-55页 |
4.3.2 ADP跟踪控制器设计 | 第55-62页 |
4.4 基于在线ADP的多设定值跟踪控制器设计 | 第62-65页 |
4.4.1 多设定值ADP跟踪控制器设计 | 第62-63页 |
4.4.2 仿真分析 | 第63-65页 |
4.5 本章小结 | 第65-66页 |
5 含跳变参数系统的ADP多模型自适应跟踪控制器 | 第66-76页 |
5.1 问题描述 | 第66页 |
5.2 精确子模型的ADP多模型控制 | 第66-68页 |
5.3 估计子模型的ADP多模型控制 | 第68-71页 |
5.4 仿真分析 | 第71-74页 |
5.5 本章小结 | 第74-76页 |
6 基于数据的矿渣粉磨系统过程优化设计 | 第76-92页 |
6.1 生产过程全流程优化结构 | 第76-78页 |
6.2 多目标优化问题及多目标进化算法 | 第78-79页 |
6.3 基于PSO优化LS-SVM的矿渣微粉生产系统建模 | 第79-86页 |
6.3.1 数据预处理 | 第79-80页 |
6.3.2 基于PSO优化LS-SVM的数据驱动建模 | 第80-83页 |
6.3.3 仿真分析 | 第83-86页 |
6.4 矿渣微粉生产过程的多目标优化问题 | 第86-89页 |
6.5 矿渣微粉生产多目标优化问题求解 | 第89-91页 |
6.6 本章小结 | 第91-92页 |
7 基于数据的矿渣微粉生产过程优化控制 | 第92-111页 |
7.1 矿渣微粉生产过程优化控制问题 | 第92-93页 |
7.2 基于递归神经网络的数据驱动建模 | 第93-97页 |
7.3 磨机系统控制器设计 | 第97-104页 |
7.3.1 基于ADP的输入有界最优跟踪控制器设计 | 第97-101页 |
7.3.2 仿真分析 | 第101-104页 |
7.4 微粉生产过程加权多模型自适应控制 | 第104-110页 |
7.4.1 生产过程多工况描述 | 第105-106页 |
7.4.2 多模型自适应ADP控制器设计 | 第106-108页 |
7.4.3 实验仿真 | 第108-110页 |
7.5 本章小结 | 第110-111页 |
8 结论 | 第111-113页 |
参考文献 | 第113-122页 |
作者简历及在学研究成果 | 第122-125页 |
学位论文数据集 | 第125页 |