火电机组锅炉主汽温智能PID控制研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·火电厂热工自动控制的发展及现状 | 第12-13页 |
| ·传统PID控制的缺陷 | 第13-14页 |
| ·智能PID控制器近年来的主要研究成果 | 第14-15页 |
| ·模糊控制与常规PID控制的结合 | 第14页 |
| ·神经网络与常规PID控制的结合 | 第14页 |
| ·遗传算法在智能PID控制器中的应用 | 第14-15页 |
| ·智能PID控制器的发展趋势 | 第15-16页 |
| ·主汽温控制的意义 | 第16页 |
| ·本文研究的问题 | 第16-18页 |
| 第二章 主汽温系统模型的建立和分析 | 第18-31页 |
| ·引言 | 第18-19页 |
| ·蒸汽温度对象的模型建立及动态特性分析 | 第19-28页 |
| ·锅炉蒸汽负荷变化时过热器的动态特性 | 第20-21页 |
| ·烟气量扰动下过热汽温的动态特性 | 第21-24页 |
| ·过热器入口蒸汽温度改变时过热器的动态特性 | 第24-28页 |
| ·影响蒸汽温度变化因素的分析 | 第28-31页 |
| 第三章 常规锅炉主汽温控制系统 | 第31-39页 |
| ·简单主汽温控制系统 | 第31-32页 |
| ·复杂主汽温控制系统 | 第32-39页 |
| ·采用串级调节系统的条件 | 第32-33页 |
| ·串级调节系统的分析 | 第33-36页 |
| ·串级控制系统的特点 | 第36-37页 |
| ·串级控制系统主副回路和主副调节器选择 | 第37-39页 |
| 第四章 模糊和神经网络理论 | 第39-62页 |
| ·模糊理论的产生、发展及应用 | 第39-42页 |
| ·模糊控制理论的产生 | 第39-40页 |
| ·模糊控制理论发展概况 | 第40页 |
| ·模糊控制应用概况 | 第40-41页 |
| ·目前模糊控制所面临的主要任务 | 第41-42页 |
| ·模糊控制器 | 第42-47页 |
| ·模糊控制的特点 | 第42页 |
| ·模糊控制器组成 | 第42-45页 |
| ·论域、量化因子、比例因子的选择 | 第45-47页 |
| ·人工神经网络的组成及其功能 | 第47-53页 |
| ·神经元 | 第47页 |
| ·人工神经元模型 | 第47-49页 |
| ·人工神经网络的构成 | 第49-51页 |
| ·神经网络的学习方法 | 第51-52页 |
| ·神经网络的学习算法 | 第52-53页 |
| ·反向传播网络 | 第53-58页 |
| ·反向传播网络的结构 | 第53-54页 |
| ·误差反向学习算法 | 第54-57页 |
| ·BP网络的学习过程 | 第57-58页 |
| ·神经网络对非线性对象的辨识 | 第58-62页 |
| ·NARMA模型的参数辨识 | 第59-60页 |
| ·神经网络辨识器及其动态BP算法 | 第60-62页 |
| 第五章 模糊神经网络锅炉主汽温控制系统 | 第62-76页 |
| ·模糊神经网络的原理 | 第62页 |
| ·模糊神经网络的结构及算法 | 第62-65页 |
| ·模糊神经网络的结构 | 第62-64页 |
| ·模糊神经网络的学习算法 | 第64-65页 |
| ·基于模糊神经网络的主汽温控制系统 | 第65-66页 |
| ·模糊神经网络自适应控制器 | 第66-70页 |
| ·模糊逻辑控制 | 第66-67页 |
| ·模糊神经网络控制器设计 | 第67-68页 |
| ·FNNC学习算法 | 第68-70页 |
| ·主汽温对象辨识系统 | 第70-75页 |
| ·神经网络动态建模 | 第70-71页 |
| ·辨识仿真 | 第71-72页 |
| ·FNNC应用于主汽温控制的仿真 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 带指导信号的PID调节器设计方法 | 第76-83页 |
| ·前言 | 第76页 |
| ·引入指导信号的必要性 | 第76-77页 |
| ·PID调节器参数的确定方法 | 第77-78页 |
| ·应用举例 | 第78-81页 |
| ·火电厂主汽温调节系统 | 第78-79页 |
| ·仿真结果 | 第79-81页 |
| ·讨论 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第七章 结论及建议 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89-90页 |
| 在学期间发表论文和参加科研情况 | 第90页 |
