| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-11页 |
| ·课题背景 | 第8页 |
| ·国内制粉系统磨煤机建模的研究现状 | 第8-9页 |
| ·径向基函数神经网络的发展状况及在热工过程建模中的应用 | 第9页 |
| ·本论文的主要工作 | 第9-11页 |
| 第二章 直吹式制粉系统中速磨煤机的数学模型及动态特性 | 第11-20页 |
| ·直吹式制粉系统运行机理和特点 | 第11-12页 |
| ·正压冷一次风机直吹式制粉系统的运行机理 | 第11-12页 |
| ·冷一次风机直吹式正压制粉系统的特点 | 第12页 |
| ·中速磨制粉系统数学模型的建立 | 第12-16页 |
| ·磨煤机的出力 | 第13-14页 |
| ·磨煤机内燃料量的质量平衡方程 | 第14页 |
| ·磨煤机的进出口差压 | 第14页 |
| ·磨煤机出口温度 | 第14-16页 |
| ·中速磨制粉系统对象特性分析 | 第16-18页 |
| ·给煤量阶跃扰动试验 | 第16-17页 |
| ·热风门阶跃扰动试验 | 第17页 |
| ·冷风门阶跃扰动分析 | 第17-18页 |
| ·中速磨煤机控制系统及其对象特性小结 | 第18-19页 |
| ·中速磨煤机控制系统 | 第18页 |
| ·中速磨煤机对象特性小结 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 RBF神经网络概述及其对非线性系统的辨识方法 | 第20-27页 |
| ·RBF神经网络概述 | 第20-23页 |
| ·RBF 网络结构和基本思想 | 第20-21页 |
| ·RBF 神经网络训练方法的具体分类 | 第21-22页 |
| ·RBF 网络的构建和学习方法 | 第22-23页 |
| ·非线性系统模型 | 第23页 |
| ·RBF神经网络系统辨识的结构和一般步骤 | 第23-26页 |
| ·RBF神经网络系统辨识的结构 | 第24-26页 |
| ·RBF神经网络用于非线性系统辨识和建模的一般步骤 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第四章 新型 RBF 神经网络对中速磨制粉系统离线建模 | 第27-39页 |
| ·引言 | 第27页 |
| ·基于免疫聚类和免疫进化规划的RBF 神经网络混合学习算法 | 第27-34页 |
| ·免疫系统简介 | 第27页 |
| ·基于免疫原理的数据聚类算法 | 第27-29页 |
| ·免疫进化规划算法 | 第29-31页 |
| ·基于免疫聚类和免疫进化规划的RBF 神经网络混合学习算法 | 第31页 |
| ·算例仿真 | 第31-34页 |
| ·参数对网络性能的影响 | 第34页 |
| ·新型RBF 神经网络在中速磨制粉系统离线建模中的应用 | 第34-38页 |
| ·辨识对象和输入输出数据的选择 | 第34-35页 |
| ·中速磨煤机的RBF 神经网络辨识模型 | 第35-38页 |
| ·模型的检验 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 动态 RBF 神经网络对中速磨制粉系统在线建模 | 第39-49页 |
| ·引言 | 第39页 |
| ·M-RAN网络及其改进 | 第39-45页 |
| ·M-RAN 网络 | 第39-42页 |
| ·M-RAN网络学习算法的改进 | 第42-44页 |
| ·算例仿真 | 第44-45页 |
| ·基于动态RBF 神经网络的中速磨制粉系统在线建模 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 结束语 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53-54页 |
| 作者在硕士研究生期间撰写和发表的论文 | 第54-55页 |
| 致谢 | 第55页 |
