| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·选题背景和意义 | 第7-8页 |
| ·研究现状 | 第8-11页 |
| ·火电机组模型研究概况 | 第8-10页 |
| ·参数辨识方法 | 第10-11页 |
| ·本文的主要研究内容 | 第11-13页 |
| 第二章 系统辨识原理及HOPFIELD 神经网络算法分析 | 第13-27页 |
| ·引言 | 第13页 |
| ·系统辨识的基本原理 | 第13-14页 |
| ·离散HOPFIELD 网络 | 第14-19页 |
| ·离散Hopfield 网络 | 第14-17页 |
| ·离散型Hopfield 网络结构 | 第14-16页 |
| ·反馈网络的基本工作方式 | 第16页 |
| ·离散型Hopfield 网络的稳定性结论 | 第16-17页 |
| ·延迟离散Hopfield 网络 | 第17-19页 |
| ·延迟离散Hopfield 网络结构 | 第17-18页 |
| ·DDHNN 稳定性主要结果 | 第18-19页 |
| ·连续HOPFIELD 网络 | 第19-21页 |
| ·连续Hopfield 网络的电路模型 | 第19-20页 |
| ·连续Hopfield 网络能量函数和稳定性 | 第20-21页 |
| ·Hopfield 能量函数的定义 | 第20页 |
| ·网络的稳定性 | 第20-21页 |
| ·HOPFIELD 网络在优化计算中的应用及仿真 | 第21-26页 |
| ·旅行商问题（TSP） | 第22-24页 |
| ·TSP 求解算法 | 第22-23页 |
| ·仿真实例 | 第23-24页 |
| ·系统参数辨识 | 第24-26页 |
| ·Hopfield 用于系统参数辨识算法 | 第24-25页 |
| ·仿真研究 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 500MW 火电机组简化模型及参数辨识方案 | 第27-39页 |
| ·引言 | 第27页 |
| ·500MW 火电机组简化模型 | 第27-31页 |
| ·制粉动态方程 | 第28-29页 |
| ·蓄热动态方程 | 第29-30页 |
| ·过热器差压方程 | 第30-31页 |
| ·汽轮机动态方程 | 第31页 |
| ·500MW 机组简化模型 | 第31页 |
| ·模型参数可辨识性分析及参数辨识方案设计 | 第31-38页 |
| ·可辨识性问题 | 第31-34页 |
| ·可辨识性与输入信号的关系 | 第32-33页 |
| ·闭环可辨识性问题 | 第33-34页 |
| ·模型可辨识参数分析 | 第34页 |
| ·不可直接辨识参数的确定 | 第34-37页 |
| ·K 1 、K 2 的求取 | 第34-35页 |
| ·蓄热系数C b 计算方法[34] | 第35-37页 |
| ·制粉动态参数τ和K f | 第37页 |
| ·可直接辨识参数辨识方案设计 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 辨识数据预处理 | 第39-49页 |
| ·引言 | 第39页 |
| ·野值的识别、剔除与补正 | 第39-42页 |
| ·数据去噪 | 第42-46页 |
| ·小波阈值萎缩去噪法原理 | 第42-44页 |
| ·小波阈值萎缩去噪方法的改进 | 第44-45页 |
| ·改进的小波阈值萎缩去噪方法去噪仿真实验 | 第45-46页 |
| ·数据平滑 | 第46-48页 |
| ·数据平滑方法 | 第47页 |
| ·平滑设计 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 模型参数辨识 | 第49-57页 |
| ·引言 | 第49页 |
| ·汽轮机动态过程模型 | 第49-50页 |
| ·数据的选取 | 第50-51页 |
| ·数据预处理 | 第51-52页 |
| ·基于HOPFIELD 神经网络的系统参数辨识 | 第52-56页 |
| ·辨识神经网络各神经元的状态方程的建立 | 第52-54页 |
| ·状态观测 | 第54-55页 |
| ·辨识结果及检验 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结论与研究展望 | 第57-59页 |
| ·结论 | 第57-58页 |
| ·研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 在学期间发表的学术论文和参加科研情况 | 第63页 |