| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 预测控制方法概述 | 第16-19页 |
| 1.2.1 预测控制基本原理 | 第16-17页 |
| 1.2.2 预测控制综合方法 | 第17-19页 |
| 1.3 预测控制综合方法的研究现状 | 第19-23页 |
| 1.3.1 稳定预测控制器 | 第19页 |
| 1.3.2 鲁棒预测控制 | 第19-20页 |
| 1.3.3 离线设计在线综合方法 | 第20-21页 |
| 1.3.4 输出反馈预测控制综合方法 | 第21-22页 |
| 1.3.5 预测控制跟踪算法 | 第22-23页 |
| 1.4 回转窑工业过程及其控制方法研究现状 | 第23-29页 |
| 1.4.1 石灰回转窑简介 | 第23-24页 |
| 1.4.2 回转窑建模方法的研究现状 | 第24-25页 |
| 1.4.3 回转窑控制方法的研究现状 | 第25-28页 |
| 1.4.4 方法实现 | 第28-29页 |
| 1.5 要解决的主要问题及本文主要工作 | 第29-32页 |
| 第二章 高效变约束预测控制综合方法 | 第32-50页 |
| 2.1 引言 | 第32-33页 |
| 2.2 矩阵不等式预备知识 | 第33-35页 |
| 2.2.1 线性矩阵不等式的一般表示 | 第33-34页 |
| 2.2.2 Schur补引理 | 第34-35页 |
| 2.2.3 三个标准的LMI问题 | 第35页 |
| 2.3 变约束离线鲁棒预测控制综合方法 | 第35-45页 |
| 2.3.1 不确定系统描述 | 第35-36页 |
| 2.3.2 高效离线鲁棒预测控制综合方法 | 第36-42页 |
| 2.3.3 变约束高效离线鲁棒预测控制综合方法设计 | 第42-45页 |
| 2.4 仿真研究 | 第45-49页 |
| 2.5 结论 | 第49-50页 |
| 第三章 输出—跟踪预测控制综合方法 | 第50-66页 |
| 3.1 引言 | 第50页 |
| 3.2 问题描述 | 第50-51页 |
| 3.3 基于观测器的输出—跟踪预测控制综合方法 | 第51-58页 |
| 3.3.1 利用设定值计算稳态目标 | 第51-54页 |
| 3.3.2 状态观测器设计 | 第54-55页 |
| 3.3.3 输出—跟踪预测控制综合算法 | 第55-58页 |
| 3.4 仿真研究 | 第58-64页 |
| 3.4.1 仿真一 | 第58-61页 |
| 3.4.2 仿真二 | 第61-64页 |
| 3.5 本章小结 | 第64-66页 |
| 第四章 基于递推子空间的自适应预测控制综合方法 | 第66-84页 |
| 4.1 引言 | 第66页 |
| 4.2 子空间基本方法 | 第66-72页 |
| 4.2.1 预备知识 | 第66-68页 |
| 4.2.2 子空间辨识问题描述 | 第68-69页 |
| 4.2.3 数据矩阵构造 | 第69-70页 |
| 4.2.4 子空间辨识基本步骤 | 第70-72页 |
| 4.3 基于遗忘因子的递推子空间方法设计 | 第72-77页 |
| 4.3.1 问题描述 | 第72页 |
| 4.3.2 带时变遗忘因子的Hankel矩阵构造 | 第72-74页 |
| 4.3.3 广义能观性矩阵的更新 | 第74-76页 |
| 4.3.4 系统矩阵递推实现 | 第76-77页 |
| 4.4 利用递推子空间方法改进输出—跟踪反馈控制设计 | 第77-79页 |
| 4.5 仿真研究 | 第79-82页 |
| 4.6 结论 | 第82-84页 |
| 第五章 时滞系统的增益调度预测控制综合方法 | 第84-102页 |
| 5.1 引言 | 第84-85页 |
| 5.2 时滞系统描述 | 第85-86页 |
| 5.3 时滞系统的预测控制器设计 | 第86-91页 |
| 5.4 增益调度模型预测控制方法 | 第91-93页 |
| 5.5 仿真研究 | 第93-101页 |
| 5.5.1 仿真实例1 | 第93-97页 |
| 5.5.2 仿真实例2 | 第97-101页 |
| 5.6 本章小结 | 第101-102页 |
| 第六章 回转窑工艺流程及煅烧带温度建模 | 第102-126页 |
| 6.1 引言 | 第102-103页 |
| 6.2 回转窑生产工艺流程 | 第103-109页 |
| 6.2.1 工艺流程简介 | 第104-107页 |
| 6.2.2 煅烧过程分析 | 第107-108页 |
| 6.2.3 石灰回转窑的主要工艺参数 | 第108-109页 |
| 6.3 Moesp方法基本原理 | 第109-111页 |
| 6.4 煅烧带温度模型的建立 | 第111-125页 |
| 6.4.1 主要输入、输出变量的分析 | 第111-114页 |
| 6.4.2 模型阶次与时滞的确定 | 第114-116页 |
| 6.4.3 仿真分析 | 第116-121页 |
| 6.4.4 煅烧带模型的建立及仿真 | 第121-125页 |
| 6.5 本章小结 | 第125-126页 |
| 第七章 回转窑煅烧带温度预测控制系统 | 第126-146页 |
| 7.1 引言 | 第126页 |
| 7.2 回转窑煅烧带温度控制系统整体框架设计 | 第126-127页 |
| 7.3 基于模型迁移的煅烧带温度软测量方法 | 第127-132页 |
| 7.3.1 T-S模糊神经网络结构 | 第128-129页 |
| 7.3.2 模糊神经网络的混合学习算法 | 第129-130页 |
| 7.3.3 用模型迁移法建立煅烧温度软测量模型 | 第130-132页 |
| 7.4 煅烧带温度预测控制器的设计 | 第132-137页 |
| 7.4.1 离线部分 | 第132-135页 |
| 7.4.2 在线算法 | 第135-137页 |
| 7.5 仿真研究 | 第137-144页 |
| 7.5.1 仿真对象及参数 | 第137页 |
| 7.5.2 仿真性能实验 | 第137-144页 |
| 7.6 本章小结 | 第144-146页 |
| 第八章 结论与展望 | 第146-150页 |
| 参考文献 | 第150-158页 |
| 致谢 | 第158-159页 |
| 作者攻读博士学位期间完成论文 | 第159-160页 |
| 作者攻读博士学位期间参加的科研项目 | 第160页 |