| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·选题的背景及意义 | 第9-10页 |
| ·火电厂协调控制系统的研究现状 | 第10-13页 |
| ·预测控制的研究现状 | 第13-14页 |
| ·小波神经网络的现状与发展前景 | 第14-15页 |
| ·本文的主要工作 | 第15-17页 |
| 第二章 火电厂单元机组协调控制系统的分析 | 第17-24页 |
| ·单元机组工艺流程介绍 | 第17-18页 |
| ·单元机组协调控制系统介绍 | 第18-21页 |
| ·单元机组负荷控制的基本方案 | 第18-20页 |
| ·单元机组协调控制系统的特点 | 第20-21页 |
| ·单元机组协调控制系统的简化动态模型和动态响应 | 第21-24页 |
| ·单元机组协调控制系统的简化动态模型 | 第21页 |
| ·单元机组协调控制系统的阶跃响应 | 第21-23页 |
| ·单元机组的动态特性 | 第23-24页 |
| 第三章 小波神经网络理论基础 | 第24-35页 |
| ·小波分析理论基础 | 第24-26页 |
| ·连续小波变换 | 第24-25页 |
| ·离散小波变换 | 第25-26页 |
| ·常用小波函数介绍 | 第26页 |
| ·小波神经网络的构造 | 第26-29页 |
| ·连续小波变换构造小波神经网络 | 第27-28页 |
| ·正交小波变换构造小波神经网络 | 第28-29页 |
| ·小波框架构造小波神经网络 | 第29页 |
| ·小波神经网络经典学习算法 | 第29-35页 |
| ·梯度算法 | 第30-32页 |
| ·变尺度算法 | 第32页 |
| ·最小二乘算法 | 第32-35页 |
| 第四章 小波神经网络广义预测控制策略 | 第35-52页 |
| ·广义预测控制算法 | 第35-41页 |
| ·预测控制算法的基本原理 | 第35-37页 |
| ·广义预测控制算法的实现 | 第37-40页 |
| ·广义预测控制算法的分析 | 第40-41页 |
| ·基于BP 学习算法的小波神经网络 | 第41-46页 |
| ·BP 神经网络学习算法 | 第41-44页 |
| ·基于BP 学习算法的小波神经网络 | 第44-46页 |
| ·基于小波神经网络的广义预测控制算法 | 第46-52页 |
| 第五章 火电厂单元机组协调控制仿真研究 | 第52-65页 |
| ·小波神经网络用于模型辨识的仿真研究 | 第52-57页 |
| ·初始化设置 | 第52-53页 |
| ·辨识结果与分析 | 第53-55页 |
| ·网络泛化能力测试 | 第55-57页 |
| ·WNNGPC 应用于单元机组协调控制的仿真研究 | 第57-63页 |
| ·采样周期T 的选取 | 第57-58页 |
| ·预测时域长度P 的选取 | 第58-59页 |
| ·控制时域长度m 的选取 | 第59-60页 |
| ·预测加权阵 Q 和控制加权阵λ的选取 | 第60页 |
| ·柔化系数a_r 的选取 | 第60页 |
| ·模型误差校正参数h 的选取 | 第60页 |
| ·仿真结果 | 第60-63页 |
| ·WNNGPC 对单元机组变负荷控制的鲁棒性仿真研究 | 第63-65页 |
| ·WNNGPC 对单元机组变负荷控制的仿真 | 第63-64页 |
| ·PID 对单元机组变负荷控制的仿真 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·结论 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |