摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第8-14页 |
1.1 引言 | 第8-9页 |
1.2 课题研究背景及意义 | 第9-10页 |
1.3 研究现状 | 第10-13页 |
1.3.1 有机朗肯循环系统建模与控制的研究 | 第11-12页 |
1.3.2 优化控制研究 | 第12-13页 |
1.4 本文主要研究工作 | 第13-14页 |
第二章 有机朗肯循环系统数学模型的建立与仿真 | 第14-29页 |
2.1 有机朗肯循环系统 | 第14-15页 |
2.1.1 ORC系统原理 | 第14页 |
2.1.2 ORC系统组成 | 第14-15页 |
2.2 有机朗肯循环系统动态数学模型的建立 | 第15-23页 |
2.2.1 蒸发器模型 | 第16-22页 |
2.2.2 冷凝器模型 | 第22页 |
2.2.3 膨胀机模型 | 第22-23页 |
2.2.4 工质泵模型 | 第23页 |
2.3 系统整体模型的线性化 | 第23-24页 |
2.4 ORC系统模型降阶 | 第24-28页 |
2.4.1 模型降阶方法 | 第24-26页 |
2.4.2 模型降阶的仿真与分析 | 第26-28页 |
2.5 本章小结 | 第28-29页 |
第三章 基于BP-PID的ORC控制系统研究 | 第29-39页 |
3.1 引言 | 第29页 |
3.2 传统PID控制策略 | 第29-32页 |
3.2.1 传统PID控制原理 | 第29-30页 |
3.2.2 数字PID控制 | 第30-31页 |
3.2.3 传统PID参数的整定 | 第31-32页 |
3.3 BP神经网络 | 第32-34页 |
3.3.1 人工神经网络 | 第32页 |
3.3.2 误差反传(BP)神经网络 | 第32-34页 |
3.4 BP神经网络的PID控制器 | 第34-35页 |
3.5 基于BP神经网络PID控制算法的仿真研究 | 第35-38页 |
3.5.1 控制系统设计 | 第35-37页 |
3.5.2 控制系统的鲁棒性分析 | 第37-38页 |
3.6 本章小结 | 第38-39页 |
第四章 基于PSO-BP算法的ORC系统的控制 | 第39-48页 |
4.1 引言 | 第39页 |
4.2 粒子群算法的基本原理 | 第39-41页 |
4.3 PSO-BP神经网络在有机朗肯循环系统中的应用 | 第41-44页 |
4.3.1 PSO优化BP神经网络基本原理 | 第41页 |
4.3.2 PSO优化BP神经网络的仿真实验 | 第41-43页 |
4.3.3 基于PSO优化BP神经网络的PID控制 | 第43-44页 |
4.4 仿真实验及结果分析 | 第44-47页 |
4.4.1 控制系统设计 | 第44-46页 |
4.4.2 控制系统的鲁棒性分析 | 第46-47页 |
4.5 本章小结 | 第47-48页 |
第五章 结论与展望 | 第48-50页 |
5.1 结论 | 第48页 |
5.2 展望 | 第48-50页 |
参考文献 | 第50-54页 |
发表论文和科研情况说明 | 第54-55页 |
致谢 | 第55页 |