基于现场数据的电站汽温系统建模与智能控制研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-18页 |
| ·课题的研究背景和意义 | 第12页 |
| ·课题来源 | 第12页 |
| ·研究意义 | 第12页 |
| ·国内外研究现状 | 第12-16页 |
| ·基于现场数据的建模方法研究现状 | 第12-13页 |
| ·电站汽温控制现状 | 第13-14页 |
| ·智能控制在电站汽温控制系统中的应用现状 | 第14-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 2 基于现场实时数据的汽温对象分析与建模 | 第18-36页 |
| ·实际汽温系统的测试与建模 | 第18-25页 |
| ·汽温系统结构及现有控制方案 | 第18-21页 |
| ·模型测试方案 | 第21-22页 |
| ·过热汽温对象的动态特性分析与建模 | 第22-24页 |
| ·再热汽温对象的动态特性分析与建模 | 第24-25页 |
| ·RBF神经网络辨识建模 | 第25-28页 |
| ·RBF神经网络 | 第26-27页 |
| ·过热汽温对象的RBF神经网络辨识模型 | 第27-28页 |
| ·再热汽温对象的RBF神经网络辨识模型 | 第28页 |
| ·T-S模糊辨识建模 | 第28-35页 |
| ·基于模糊c均值聚类算法的T-S模糊建模 | 第29页 |
| ·模糊c均值(FCM)聚类算法及其聚类验证准则 | 第29-31页 |
| ·T-S模糊辨识算法步骤 | 第31-33页 |
| ·过热汽温对象的T-S模糊辨识模型 | 第33-34页 |
| ·再热汽温对象的T-S模糊辨识模型 | 第34-35页 |
| ·小结 | 第35-36页 |
| 3 模型预测控制原理及仿真研究 | 第36-58页 |
| ·动态矩阵控制理论 | 第36-39页 |
| ·预测模型 | 第36-38页 |
| ·滚动优化 | 第38页 |
| ·误差校正 | 第38-39页 |
| ·动态矩阵控制的仿真与分析 | 第39-41页 |
| ·过热汽温对象的仿真 | 第40页 |
| ·再热汽温对象的仿真 | 第40页 |
| ·仿真结果分析 | 第40-41页 |
| ·广义预测控制理论 | 第41-44页 |
| ·预测模型 | 第41页 |
| ·滚动优化 | 第41-43页 |
| ·反馈校正 | 第43-44页 |
| ·广义预测控制的在线优化算法 | 第44-53页 |
| ·混沌优化算法(COA) | 第44-46页 |
| ·改进混合粒子群优化算法(IHPSO) | 第46-53页 |
| ·广义预测控制的仿真与分析 | 第53-55页 |
| ·线性系统的仿真研究 | 第54页 |
| ·非线性系统仿真研究 | 第54-55页 |
| ·小结 | 第55-58页 |
| 4 电站汽温的广义非线性预测控制策略 | 第58-64页 |
| ·广义非线性预测控制(GNPC) | 第58-59页 |
| ·基于RBF辨识模型的广义非线性预测控制 | 第59-61页 |
| ·实际过热汽温对象的仿真 | 第59-60页 |
| ·实际再热汽温对象的仿真 | 第60-61页 |
| ·基于T-S模糊辨识模型的广义非线性预测控制 | 第61-63页 |
| ·实际过热汽温对象的仿真 | 第61-62页 |
| ·实际再热汽温对象的仿真 | 第62-63页 |
| ·小结 | 第63-64页 |
| 5 基于模糊加权的多模型过热汽温广义预测控制 | 第64-72页 |
| ·多模型控制方法 | 第64-65页 |
| ·基于模糊加权的多模型广义预测控制策略 | 第65-66页 |
| ·实际过热汽温对象预测模型集的建立 | 第66-67页 |
| ·基于RBF神经网络辨识的预测模型集 | 第66-67页 |
| ·基于T-S模糊辨识的预测模型集 | 第67页 |
| ·模糊权重计算器的设计 | 第67-69页 |
| ·模型匹配程度的计算 | 第67-69页 |
| ·控制权重的计算 | 第69页 |
| ·实际过热汽温对象的多模型控制仿真 | 第69-71页 |
| ·基于RBF神经网络辨识模型集的多模型控制仿真 | 第69-70页 |
| ·基于T-S模糊辨识模型集的多模型控制仿真 | 第70-71页 |
| ·小结 | 第71-72页 |
| 6 结论 | 第72-74页 |
| ·本文的主要工作与贡献 | 第72页 |
| ·进一步的研究方向 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78-82页 |
| 学位论文数据集 | 第82页 |
