| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-11页 |
| 1.2 课题的研究现状 | 第11-13页 |
| 1.2.1 神经网络逆控制方法及其在电厂应用研究现状 | 第11-12页 |
| 1.2.2 超临界机组协调与汽温优化控制的研究现状 | 第12-13页 |
| 1.3 论文的主要工作 | 第13-15页 |
| 第2章 神经网络逆控制原理 | 第15-24页 |
| 2.1 神经网络原理 | 第15-19页 |
| 2.1.1 BP神经网络算法流程 | 第15-17页 |
| 2.1.2 训练数据的选取 | 第17页 |
| 2.1.3 神经网络隐含层的选取 | 第17-18页 |
| 2.1.4 神经网络的训练 | 第18-19页 |
| 2.2 神经网络逆系统原理 | 第19-22页 |
| 2.2.1 逆系统基本原理 | 第19页 |
| 2.2.2 伪线性复合系统 | 第19-20页 |
| 2.2.3 神经网络逆系统概念 | 第20-21页 |
| 2.2.4 ɑ 阶神经网络逆系统构造步骤 | 第21-22页 |
| 2.3 神经网络逆控制器的设计 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 超临界机组协调和主汽温系统特性分析 | 第24-32页 |
| 3.1 过热蒸汽系统特性和控制策略 | 第24-26页 |
| 3.1.1 过热汽温对象特性 | 第24-25页 |
| 3.1.2 常见控制策略 | 第25-26页 |
| 3.2 协调系统运行方式和控制策略 | 第26-31页 |
| 3.2.1 协调系统运行方式 | 第27-29页 |
| 3.2.2 协调系统控制策略 | 第29-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第4章 协调对象和过热汽温对象神经网络逆建模 | 第32-40页 |
| 4.1 过热汽温系统逆模型的建立 | 第32-33页 |
| 4.1.1 逆模型输入输出变量的选取 | 第32-33页 |
| 4.1.2 过热蒸汽系统逆模型的网络结构 | 第33页 |
| 4.2 协调系统逆模型的建立 | 第33-36页 |
| 4.2.1 逆模型输入输出变量的选取 | 第33-35页 |
| 4.2.2 协调系统逆模型的网络结构 | 第35-36页 |
| 4.3 神经网络逆模型的离线训练和在线验证 | 第36-39页 |
| 4.3.1 神经网络离线训练 | 第36-37页 |
| 4.3.2 逆模型的在线验证 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 逆控制方案设计与仿真 | 第40-50页 |
| 5.1 神经网络逆控制方案设计 | 第40-42页 |
| 5.1.1 神经网络逆控制器的设计 | 第40-41页 |
| 5.1.2 逆补偿方案和参考值的计算 | 第41-42页 |
| 5.2 优化控制仿真实验研究 | 第42-49页 |
| 5.2.1 仅对主汽温进行优化 | 第43-45页 |
| 5.2.2 仅对协调系统进行优化 | 第45-46页 |
| 5.2.3 负荷、汽压、汽温整体优化 | 第46-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |