| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-19页 |
| ·引言 | 第12-13页 |
| ·广义预测控制的产生及其发展现状 | 第13-15页 |
| ·广义预测控制的产生 | 第13页 |
| ·广义预测控制的发展现状 | 第13-15页 |
| ·粒子群优化算法及其研究现状 | 第15-17页 |
| ·粒子群优化算法的产生 | 第15-16页 |
| ·粒子群优化算法的发展现状 | 第16-17页 |
| ·论文的主要工作 | 第17页 |
| ·论文的组织结构 | 第17-19页 |
| 第二章 广义预测控制原理 | 第19-34页 |
| ·广义预测控制的基本原理 | 第19-22页 |
| ·CARIMA预测模型 | 第19-20页 |
| ·滚动优化 | 第20页 |
| ·模型多步输出预测 | 第20-21页 |
| ·最优控制律 | 第21-22页 |
| ·广义预测控制中 DIOPHANTINE方程的递推求解 | 第22-24页 |
| ·E_j(z~(-1))和 F_j(z~(-1))的递推求解 | 第22-23页 |
| ·G_j(z~(-1))和 H_j(z~(-1))的递推求解 | 第23-24页 |
| ·广义预测控制的性能分析 | 第24-29页 |
| ·广义预测控制系统闭环传递函数推导分析 | 第24-26页 |
| ·GPC的内模结构分析 | 第26-28页 |
| ·广义预测控制的鲁棒性 | 第28-29页 |
| ·广义预测控制的参数选择策略 | 第29-32页 |
| ·C(z~(-1))≠1时的扩展 | 第32-34页 |
| 第三章 粒子群优化算法原理 | 第34-45页 |
| ·引言 | 第34-35页 |
| ·粒子群算法的基本原理 | 第35-38页 |
| ·基本算法原理 | 第35-37页 |
| ·粒子群算法运算流程及特点 | 第37-38页 |
| ·粒子群优化算法的改进 | 第38-42页 |
| ·惯性权重和收缩因子的引入 | 第39-40页 |
| ·混合 PSO(HPSO) | 第40-41页 |
| ·协同粒子群算法模型 | 第41-42页 |
| ·离散粒子群算法模型 | 第42页 |
| ·粒子群算法与其他一些算法的比较 | 第42-45页 |
| ·与遗传算法的比较 | 第42-44页 |
| ·与神经网络的比较 | 第44-45页 |
| 第四章 基于粒子群算法混合优化的广义预测控制器 | 第45-60页 |
| ·控制对象中存在的约束限制 | 第45-46页 |
| ·约束广义预测控制 | 第46-50页 |
| ·约束广义预测控制的推导 | 第46-47页 |
| ·有约束多变量函数优化的常用方法 | 第47-50页 |
| ·基于粒子群算法混合优化的广义预测控制器 | 第50-56页 |
| ·基本原理 | 第50-51页 |
| ·混合优化策略 | 第51-54页 |
| ·软开关切换策略 | 第54-55页 |
| ·基于 PSO混合优化的 GPC的算法流程 | 第55-56页 |
| ·仿真研究 | 第56-60页 |
| 第五章 应用研究 | 第60-79页 |
| ·先进控制试验平台 | 第60-71页 |
| ·引言 | 第60-61页 |
| ·试验平台的软件设计 | 第61-67页 |
| ·先进控制算法的试验及其效果 | 第67-71页 |
| ·火电厂过/再热汽温控制 | 第71-79页 |
| ·引言 | 第71页 |
| ·淮南平圩电厂#2锅炉过/再热优化系统概述 | 第71-72页 |
| ·控制系统现状 | 第72-73页 |
| ·改造方案 | 第73-75页 |
| ·系统模型辨识 | 第75-79页 |
| 第六章 总结与展望 | 第79-81页 |
| ·总结 | 第79页 |
| ·展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 硕士期间发表论文 | 第84-85页 |
| 附录1 扰动试验数据 | 第85-88页 |
