| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第9-13页 |
| 1．1 引言 | 第9-10页 |
| 1．2 我国水轮机调速器及其控制规律研究的状况 | 第10页 |
| 1．3 微机调速器的现状和发展趋势 | 第10-11页 |
| 1．4 智能控制技术在调速器中的应用研究 | 第11-12页 |
| 1．5 论文的主要工作 | 第12-13页 |
| 2 水轮机调节系统数学模型的改进 | 第13-25页 |
| 2．1 引言 | 第13页 |
| 2．2 水轮机调节系统的基本方程 | 第13-17页 |
| 2．2．1 水轮机 | 第13-15页 |
| 2．2．2 压力引水系统 | 第15-16页 |
| 2．2．3 发电机及电力系统 | 第16页 |
| 2．2．4 微机调速器 | 第16-17页 |
| 2．3 水轮机调节系统的常用仿真模型 | 第17-21页 |
| 2．3．1 水轮机及导水系统 | 第17-19页 |
| 2．3．2 发电机及电力系统的小扰动模型 | 第19-20页 |
| 2．3．3 水轮机调节系统的简化模型 | 第20页 |
| 2．3．4 简化模型存在的问题及解决方法 | 第20-21页 |
| 2．4 水轮机的非线性模型 | 第21-23页 |
| 2．5 水轮机调节系统的仿真模型及启动过程仿真结果 | 第23页 |
| 2．6 本章小结 | 第23-25页 |
| 3 水轮发电机组的人工神经网络辨识 | 第25-35页 |
| 3．1 人工神经网络辨识 | 第25-28页 |
| 3．1．1 人工神经网络的发展 | 第25-26页 |
| 3．1．2 神经网络在自动控制领域的应用 | 第26页 |
| 3．1．3 神经网络辨识 | 第26-28页 |
| 3．2 基于数学模型的水轮机神经网络辨识 | 第28-32页 |
| 3．2．1 神经网络辨识中的几个关键问题 | 第28页 |
| 3．2．2 模型的选择与学习算法的确定 | 第28-31页 |
| 3．2．3 辨识模型的输入输出状态量 | 第31-32页 |
| 3．2．4 模型结构设计 | 第32页 |
| 3．3 辨识模型的训练和验证 | 第32-34页 |
| 3．4 本章小结 | 第34-35页 |
| 4 水轮机微机调速器的智能控制 | 第35-49页 |
| 4．1 常规PID型调节规律 | 第35-36页 |
| 4．2 智能控制策略 | 第36页 |
| 4．3 新型人工神经网络PID控制器（N-PID) | 第36-40页 |
| 4．3．1 N-PID控制器结构 | 第37-38页 |
| 4．3．2 N-PID网络的控制算法 | 第38-40页 |
| 4．3．3 N-PID网络权重初值设定 | 第40页 |
| 4．4 使用N-PID调速器的水轮机控制系统仿真 | 第40-42页 |
| 4．4．1 仿真模型及参数 | 第40-41页 |
| 4．4．2 仿真过程 | 第41-42页 |
| 4．4．3 仿真结果 | 第42页 |
| 4．5 基于遗传算法的PID参数寻优 | 第42-48页 |
| 4．5．1 什么是遗传算法 | 第42-43页 |
| 4．5．2 遗传算法的基本步骤 | 第43-44页 |
| 4．5．3 GA算法在水轮机调速器PID参数整定中的应用 | 第44-45页 |
| 4．5．4 遗传算法的改进 | 第45-46页 |
| 4．5．5 仿真结果 | 第46-48页 |
| 4．6 本章小结 | 第48-49页 |
| 5 基于PLC的水轮发电机组频率测量 | 第49-55页 |
| 5．1 概述 | 第49-50页 |
| 5．2 频率测量的基本方法 | 第50页 |
| 5．2．1 测频法 | 第50页 |
| 5．2．2 测周法 | 第50页 |
| 5．3 PLC测频的硬件原理框图 | 第50-51页 |
| 5．4 机组频率测量 | 第51-53页 |
| 5．4．1 PLC的高速计数器 | 第52页 |
| 5．4．2 机组频率的测量方法 | 第52-53页 |
| 5．4．3 测量误差分析 | 第53页 |
| 5．5 电网频率测量 | 第53-54页 |
| 5．5．1 测量方法 | 第53-54页 |
| 5．5．2 测量误差分析 | 第54页 |
| 5．6 试验结果 | 第54-55页 |
| 6 全文总结 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-58页 |
