| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题意义 | 第9页 |
| ·水轮机调速系统的发展 | 第9-14页 |
| ·水轮机调速器的发展 | 第9-10页 |
| ·水轮机调速控制理论的发展 | 第10-14页 |
| ·本文主要工作 | 第14-15页 |
| 第二章 水轮发电机组控制系统数学模型 | 第15-25页 |
| ·系统的构成 | 第15页 |
| ·模块化仿真模型的建立 | 第15-23页 |
| ·引水系统模型 | 第15-18页 |
| ·水轮机模型 | 第18-20页 |
| ·调速系统模型 | 第20-21页 |
| ·发电机及负荷模型 | 第21-23页 |
| ·水轮发电机组系统仿真 | 第23-25页 |
| 第三章 基于改进遗传算法的自适应工况水轮机PID 调速器参数优化 | 第25-41页 |
| ·遗传算法的特点及其基本原理 | 第25-28页 |
| ·遗传算法的特点 | 第25-26页 |
| ·基本遗传算法的原理 | 第26-28页 |
| ·改进遗传算法的关键技术处理 | 第28-33页 |
| ·基本遗传算法的不足之处 | 第28-29页 |
| ·基于改进遗传算法的最优参数整定 | 第29-31页 |
| ·改进遗传算法仿真计算及分析 | 第31-33页 |
| ·水轮机调速系统神经网络控制器的设计 | 第33-34页 |
| ·仿真分析 | 第34-41页 |
| ·仿真模型的建立及前期数据准备 | 第34-36页 |
| ·仿真结果及分析 | 第36-41页 |
| 第四章 基于神经网络逆系统控制方法的水轮发电机组非线性控制 | 第41-60页 |
| ·逆系统方法的基本原理 | 第41-45页 |
| ·逆系统与伪线性系统 | 第41-44页 |
| ·逆系统方法原理 | 第44-45页 |
| ·非线性系统的可逆性及其解析逆系统 | 第45-48页 |
| ·非线性MIMO 系统可逆性判定 | 第45-46页 |
| ·非线性MIMO 系统逆系统解析表达式 | 第46-48页 |
| ·广义逆系统 | 第48页 |
| ·神经网络逆系统 | 第48-52页 |
| ·神经网络的特点 | 第49页 |
| ·神经网络逆系统 | 第49-50页 |
| ·神经网络逆系统的结构 | 第50-51页 |
| ·神经网络逆系统的学习、训练 | 第51-52页 |
| ·神经网络逆系统控制方法 | 第52-53页 |
| ·基于神经网络逆系统控制方法的水轮机非线性控制器 | 第53-60页 |
| ·理想工况单水轮发电机无穷大系统可逆性分析 | 第53-56页 |
| ·神经网络逆系统的学习和训练 | 第56-60页 |
| 第五章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 作者攻读硕士期间发表的文章 | 第66页 |