先进控制技术在DCS中的应用与研究
| 第一章 绪论 | 第1-19页 |
| 1 引言 | 第10-11页 |
| 2 先进控制技术综述 | 第11-12页 |
| 3 DCS的发展动态 | 第12-16页 |
| 4 学术思想和内容安排 | 第16-19页 |
| (1) 本文的主要工作和学术思想 | 第16-18页 |
| (2) 本文的内容安排 | 第18-19页 |
| 第二章 人工神经网络 | 第19-41页 |
| 1 人工神经网络 | 第19-30页 |
| (1) 人工神经网络的发展和特点 | 第19-20页 |
| (2) 基于反向传播(BP)神经网络的学习算法 | 第20-24页 |
| (3) BP学习算法用于数学模型的建立 | 第24-26页 |
| (4) 神经网络控制取得的进展 | 第26-27页 |
| (5) 神经网络研究热点 | 第27-29页 |
| (6) 神经网络控制待解决的问题 | 第29-30页 |
| 2 神经网络控制系统 | 第30-41页 |
| (1) 温度控制系统的模型 | 第31-32页 |
| (2) 水缸温度控制系统和神经网络结构 | 第32-35页 |
| (3) 实际控制过程及结果 | 第35-41页 |
| 第三章 DCS的介绍 | 第41-61页 |
| 1 DCS概述 | 第41-46页 |
| (1) 集散控制系统的发展历史 | 第41-44页 |
| (2) 集散控制系统的基本结构 | 第44-45页 |
| (3) 集散控制系统的展望 | 第45-46页 |
| 2 PLC、DCS、FCS三大控制系统的基本特点 | 第46-48页 |
| (1) PLC | 第46-47页 |
| (2) DCS | 第47-48页 |
| (3) FCS | 第48页 |
| 3 三大控制系统之间的差异 | 第48-51页 |
| (1) 差异要点 | 第49页 |
| (2) 设计、投资及使用 | 第49-51页 |
| 4 JX-300X集散控制系统 | 第51-61页 |
| (1) JX-300X系统概述 | 第51-52页 |
| (2) 系统特点 | 第52-57页 |
| (3) 系统规模 | 第57-58页 |
| (4) 卡件一览表 | 第58-61页 |
| 第四章 先进控制技术在DCS中的应用 | 第61-70页 |
| 1 MRAPC算法在火电厂DCS中的实现 | 第61-64页 |
| (1) 问题的提出 | 第61-62页 |
| (2) 在DCS中实现先进控制算法的途径 | 第62-63页 |
| (3) 先进控制算法直接下载到DCS的低层控制器 | 第63-64页 |
| 2 神经网络串级学习控制策略在温度控制中的应用 | 第64-70页 |
| (1) CMAC学习控制器 | 第65-67页 |
| (2) 串级CMAC学习控制器 | 第67-70页 |
| 第五章 经典辩识法建立温度对象的数学模型 | 第70-84页 |
| 1 过程数学模型的表达式与对模型的要求 | 第70-72页 |
| 2 建立过程数学模型的两个基本方法 | 第72-74页 |
| (1) 机理法建模 | 第72-73页 |
| (2) 测试法建模 | 第73-74页 |
| 3 阶跃响应的获取 | 第74-84页 |
| (1) 由阶跃响应确定近似传递函数 | 第75-78页 |
| (2) 温度对象建模 | 第78-84页 |
| 第六章 神经网络在温度控制系统上的应用 | 第84-96页 |
| 1 DCS系统结构 | 第84-85页 |
| 2 温度系统的神经网络控制 | 第85-96页 |
| (1) BP神经网络结构及其建模原理 | 第85-89页 |
| (2) 利用神经网络逼近非线性函数 | 第89-93页 |
| (3) 控制结果 | 第93-96页 |
| 第七章 结束语 | 第96-98页 |
| 1 结论 | 第96-97页 |
| 2 不足与改进 | 第97-98页 |
| 致谢 | 第98-99页 |
| 发表论文 | 第99-100页 |
| 附录1 | 第100-101页 |
| 附录2 | 第101页 |
