| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 选题研究的背景及意义 | 第8页 |
| 1.2 国内外研究概况 | 第8-12页 |
| 1.2.1 励磁系统参数辨识研究概况 | 第8-10页 |
| 1.2.2 励磁系统控制方法研究概况 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-13页 |
| 第2章 水轮发电机励磁控制系统的建模 | 第13-20页 |
| 2.1 同步发电机励磁系统的分类 | 第13页 |
| 2.2 静止励磁控制系统的传递函数 | 第13-19页 |
| 2.2.1 励磁调节器各单元的传递函数 | 第14-17页 |
| 2.2.2 串并联矫正单元的传递函数 | 第17-18页 |
| 2.2.3 同步发电机的传递函数 | 第18页 |
| 2.2.4 励磁控制系统控制器 | 第18-19页 |
| 2.3 小结 | 第19-20页 |
| 第3章 基于IGSA的励磁控制系统参数辨识 | 第20-36页 |
| 3.1 参数辨识基本知识 | 第20-21页 |
| 3.1.1 数学模型的分类 | 第20页 |
| 3.1.2 参数辨识原理 | 第20-21页 |
| 3.2 伪随机二进制序列 | 第21-24页 |
| 3.2.1 M序列的产生 | 第21-22页 |
| 3.2.2 反馈通道选取方法 | 第22-23页 |
| 3.2.3 M序列的参数 | 第23-24页 |
| 3.3 基本引力搜索算法基本原理 | 第24-27页 |
| 3.3.1 引力法则 | 第24-25页 |
| 3.3.2 引力搜索算法 | 第25-27页 |
| 3.4 改进引力搜索算法 | 第27-29页 |
| 3.4.1 算法流程 | 第28-29页 |
| 3.5 基于GSA和IGSA励磁控制系统的参数辨识 | 第29-35页 |
| 3.6 小结 | 第35-36页 |
| 第4章 基于IQGA的励磁控制系统PI参数优化 | 第36-49页 |
| 4.1 基本量子遗传算法 | 第36-40页 |
| 4.1.1 基本量子比特编码 | 第36-37页 |
| 4.1.2 量子测量法则 | 第37-38页 |
| 4.1.3 量子旋转门 | 第38-40页 |
| 4.2 改进量子遗传算法 | 第40-44页 |
| 4.2.1 量子比特编码原理 | 第40-41页 |
| 4.2.2 量子测量法则 | 第41页 |
| 4.2.3 基于粒子群算法更新量子比特的策略 | 第41-42页 |
| 4.2.4 算法流程 | 第42-44页 |
| 4.3 励磁控制系统PI参数优化策略 | 第44-45页 |
| 4.4 实验结果比较与分析 | 第45-48页 |
| 4.4.1 算法参数设置 | 第45-46页 |
| 4.4.2 结果分析 | 第46-48页 |
| 4.5 小结 | 第48-49页 |
| 第5章 基于IQGA的BP神经网络励磁控制系统PI自适应控制 | 第49-67页 |
| 5.1 神经网络概述 | 第49-55页 |
| 5.1.1 单神经元模型 | 第49-51页 |
| 5.1.2 神经网络的分类 | 第51-53页 |
| 5.1.3 神经网络学习算法 | 第53-55页 |
| 5.2 基于BP神经网络PI自适应控制基本原理 | 第55-61页 |
| 5.2.1 BP神经网络PI自适应控制结构 | 第55-56页 |
| 5.2.2 BP神经网络算法原理 | 第56-60页 |
| 5.2.3 BP神经网络算法流程 | 第60-61页 |
| 5.3 BP神经网络对励磁系统PI的自适应控制 | 第61-66页 |
| 5.3.1 基于工程方法励磁控制系统PI整定 | 第61-62页 |
| 5.3.2 实验对比分析 | 第62-66页 |
| 5.4 小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 全文研究总结 | 第67页 |
| 6.2 进一步研究展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间获得的成果 | 第75页 |