热工系统的非线性辨识算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 系统辨识概述 | 第11-12页 |
| 1.4 非线性系统辨识常用方法 | 第12-13页 |
| 1.4.1 基于进化算法的非线性系统辨识 | 第12页 |
| 1.4.2 基于模糊逻辑的非线性系统辨识 | 第12-13页 |
| 1.4.3 小波辨识方法 | 第13页 |
| 1.5 研究内容与方法 | 第13-15页 |
| 1.5.1 主要工作内容 | 第13页 |
| 1.5.2 辨识算法研究 | 第13-14页 |
| 1.5.3 研究方法 | 第14-15页 |
| 第2章 热工过程动态特性确定 | 第15-18页 |
| 2.1 锅炉主汽压力控制模型 | 第15-17页 |
| 2.2 锅炉蒸汽温度控制模型 | 第17-18页 |
| 第3章 烟花算法神经网络的辨识及仿真 | 第18-32页 |
| 3.1 神经网络的基本概念和特征 | 第18-24页 |
| 3.2 烟花算法 | 第24-26页 |
| 3.2.1 爆炸算子 | 第25页 |
| 3.2.2 选择算子 | 第25-26页 |
| 3.3 烟花算法优化神经网络 | 第26-27页 |
| 3.4 仿真研究 | 第27-31页 |
| 3.4.1 系统时滞时间参数辨识 | 第27-28页 |
| 3.4.2 烟花算法优化神经网络辨识结果 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 模糊支持向量回归的辨识及仿真 | 第32-42页 |
| 4.1 支持向量回归的基本原理 | 第32-37页 |
| 4.1.1 统计学习理论 | 第32-34页 |
| 4.1.2 支持向量机 | 第34-37页 |
| 4.1.3 支持向量回归 | 第37页 |
| 4.2 模糊支持向量回归 | 第37-39页 |
| 4.3 仿真研究 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 热工过程非线性系统辨识的软件开发 | 第42-47页 |
| 5.1 软件的功能 | 第42-43页 |
| 5.1.1 需求分析 | 第42页 |
| 5.1.2 软件功能模块 | 第42-43页 |
| 5.2 软件的实现 | 第43-46页 |
| 5.3 本章小结 | 第46-47页 |
| 第6章 辨识算法在600MW机组汽压控制中的应用 | 第47-50页 |
| 6.1 应用背景 | 第47页 |
| 6.2 在主汽压力控制中的应用 | 第47-50页 |
| 第7章 总结与展望 | 第50-51页 |
| 7.1 总结 | 第50页 |
| 7.2 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 攻读硕士学位期间参加的科研工作 | 第55-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57页 |
