| 摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-10页 |
| ·选题背景及意义 | 第6页 |
| ·国内外超临界/超超临界机组建模研究现状 | 第6-8页 |
| ·国内研究现状 | 第7页 |
| ·国外研究现状 | 第7-8页 |
| ·论文的主要工作 | 第8-10页 |
| 第二章 超超临界火电机组模型结构 | 第10-16页 |
| ·国际上超临界/超超临界机组的发展 | 第10-11页 |
| ·国内超临界/超超临界机组的发展 | 第11页 |
| ·超超临界机组的优势 | 第11-12页 |
| ·超超临界机组动态特性的分析 | 第12-16页 |
| 第三章 神经网络基础 | 第16-27页 |
| ·神经网络的定义 | 第16-17页 |
| ·神经网络的性质与功能 | 第17-18页 |
| ·神经网络的基本性质 | 第18页 |
| ·神经网络的基本功能 | 第18页 |
| ·神经网络的发展概况 | 第18-20页 |
| ·神经网络产生和发展的历史 | 第19-20页 |
| ·神经网络当前的发展和问题 | 第20页 |
| ·神经网络模型 | 第20-22页 |
| ·神经网络的结构 | 第20-21页 |
| ·神经网络的学习方式 | 第21-22页 |
| ·神经网络的建模与辨识 | 第22-25页 |
| ·非线性系统辨识的一般模型 | 第23-24页 |
| ·神经网络辨识理论依据与辨识结构 | 第24-25页 |
| ·神经网络辨识的特点 | 第25页 |
| ·神经网络的应用实例 | 第25-27页 |
| 第四章 基于神经网络的1000MW单元机组动态特性模型 | 第27-59页 |
| ·引言 | 第27页 |
| ·1000MW直流锅炉单元机组的线性模型 | 第27-38页 |
| ·多输入多输出系统的最小二乘参数估计的递推算法 | 第27-30页 |
| ·1000MW直流锅炉单元机组的线性模型 | 第30-38页 |
| ·1000MW直流锅炉单元机组的BP神经网络模型 | 第38-50页 |
| ·BP神经网络 | 第39-41页 |
| ·100OMW直流锅炉单元机组的BP神经网络模型 | 第41-50页 |
| ·1000MW直流锅炉单元机组的Elman神经网络模型 | 第50-59页 |
| ·Elman神经网络 | 第50-52页 |
| ·1000MW直流锅炉单元机组的Elman神经网络模型 | 第52-59页 |
| 第五章 基于模糊神经网络的1000MW直流锅炉单元机组的模型 | 第59-73页 |
| ·基于Takagi-Sugeno模型的模糊神经网络 | 第60-61页 |
| ·基于Takagi-Sugeno模型的模糊神经网络的学习算法 | 第61-63页 |
| ·1000MW直流锅炉单元机组的模糊神经网络模型 | 第63-73页 |
| 第六章 结论与展望 | 第73-75页 |
| ·结论 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 在校期间发表的学术论文和参加科研情况 | 第79页 |
