| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 磨煤机概况 | 第9-10页 |
| 1.1.2 制粉系统概况 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.3.1 双进双出球磨机建模及控制方法研究现状 | 第11-12页 |
| 1.3.2 神经网络逆控制研究现状 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第二章 双进双出球磨机直吹式制粉系统建模 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 双进双出球磨机直吹式制粉系统运行原理 | 第15-17页 |
| 2.3 双进双出球磨机直吹式制粉系统建模 | 第17-23页 |
| 2.3.1 机理建模 | 第17-20页 |
| 2.3.2 未知参量求解 | 第20-23页 |
| 2.4 仿真分析 | 第23-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 双进双出球磨机直吹式制粉系统神经网络逆控制 | 第29-59页 |
| 3.1 引言 | 第29页 |
| 3.2 神经网络逆控制理论 | 第29-31页 |
| 3.2.1 逆控制原理 | 第29-30页 |
| 3.2.2 神经网络逆控制原理 | 第30-31页 |
| 3.3 预测控制理论 | 第31-37页 |
| 3.3.1 预测控制原理 | 第31-34页 |
| 3.3.2 非线性预测控制理论 | 第34-37页 |
| 3.4 基于预测控制的rbf神经网络逆控制策略 | 第37-46页 |
| 3.4.1 基于预测控制的神经网络逆控制原理 | 第37-39页 |
| 3.4.2 rbf神经网络结构和训练算法 | 第39-40页 |
| 3.4.3 基于预测控制的rbf神经网络逆控制 | 第40-46页 |
| 3.5 基于预测控制的rbf神经网络逆控制仿真研究 | 第46-58页 |
| 3.5.1 双进双出球磨机直吹式制粉系统的rbf神经网络模型训练 | 第46-49页 |
| 3.5.2 控制器参数整定 | 第49页 |
| 3.5.3 仿真结果 | 第49-58页 |
| 3.6 小结 | 第58-59页 |
| 第四章 基于模糊自整定粒子群优化算法的控制器参数优化 | 第59-81页 |
| 4.1 引言 | 第59-60页 |
| 4.2 粒子群优化(pso)算法 | 第60-62页 |
| 4.3 模糊自整定粒子群优化(fst-pso) | 第62-69页 |
| 4.3.1 模糊自整定粒子群优化(fst-pso)基本原理 | 第62-67页 |
| 4.3.2 模糊自整定粒子群优化(fst-pso)影响因子分析 | 第67-69页 |
| 4.4 fst-pso性能分析 | 第69-72页 |
| 4.4.1 pso、ppso及fst-pso的参数设置 | 第71页 |
| 4.4.2 优化性能分析 | 第71-72页 |
| 4.5 基于fst-pso控制器参数优化的双进双出球磨机控制仿真研究 | 第72-80页 |
| 4.5.1 控制器参数优化 | 第72-73页 |
| 4.5.2 仿真结果 | 第73-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 5.1 论文工作总结 | 第81页 |
| 5.2 未来工作展望 | 第81-83页 |
| 致谢 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 硕士期间发表的科研成果 | 第89页 |
