摘要 | 第7-9页 |
ABSTRACT | 第9-12页 |
第一章 绪论 | 第16-28页 |
1.1 选题目的和意义 | 第16-18页 |
1.2 国内外研究概况 | 第18-25页 |
1.2.1 状态预测研究现状 | 第18-23页 |
1.2.2 典型控制策略研究现状 | 第23-25页 |
1.3 论文主要内容 | 第25-28页 |
第二章 混流式水轮机调节系统多步RBF扩展预测 | 第28-53页 |
2.1 水轮机调节系统数学模型 | 第28-30页 |
2.2 水轮机调节系统相空间重构 | 第30-36页 |
2.2.1 相空间重构基本理论 | 第30-31页 |
2.2.2 重构延迟时间τ的确定 | 第31-34页 |
2.2.3 重构嵌入维数m的确定 | 第34-36页 |
2.3 RBF神经网络预测模型 | 第36-52页 |
2.3.1 RBF神经网络模型 | 第36-37页 |
2.3.2 模型的评价指标和预测步骤 | 第37-38页 |
2.3.3 单步预测 | 第38-45页 |
2.3.4 多步预测 | 第45-52页 |
2.4 本章小结 | 第52-53页 |
第三章 基于遗传小波神经网络的混流式水轮机调节系统非线性状态预测 | 第53-69页 |
3.1 BP神经网络预测模型 | 第53-56页 |
3.1.1 BP神经网络结构 | 第53-54页 |
3.1.2 BP神经网络模型 | 第54-56页 |
3.2 自适应BP神经网络预测模型 | 第56-61页 |
3.2.1 双边自适应预测模型 | 第57-58页 |
3.2.2 单边自适应预测模型 | 第58-59页 |
3.2.3 自适应BP神经网络预测仿真 | 第59-61页 |
3.3 小波BP神经网络预测模型 | 第61-63页 |
3.3.1 小波神经网络基本原理 | 第61-62页 |
3.3.2 小波神经网络模型 | 第62-63页 |
3.4 遗传小波神经网络预测模型 | 第63-68页 |
3.4.1 遗传算法基本原理 | 第63-66页 |
3.4.2 遗传算法优化小波神经网络 | 第66-67页 |
3.4.3 遗传小波神经网络预测仿真 | 第67-68页 |
3.5 本章小结 | 第68-69页 |
第四章 基于EEMD和遗传支持向量机的混流式水轮机调节系统非线性状态预测 | 第69-91页 |
4.1 水轮机调节系统状态参量聚类经验模态分解 | 第69-75页 |
4.1.1 聚类经验模态分解模型 | 第69-74页 |
4.1.2 聚类经验模态分解仿真 | 第74-75页 |
4.2 遗传支持向量机预测模型 | 第75-87页 |
4.2.1 支持向量机基本理论 | 第75-76页 |
4.2.2 支持向量分类机 | 第76页 |
4.2.3 支持向量回归机 | 第76-78页 |
4.2.4 支持向量机模型优化与实现 | 第78-87页 |
4.3 仿真结果及分析 | 第87-89页 |
4.3.1 水轮机调节系统状态预测 | 第87-88页 |
4.3.2 滩坑水电站机组下导X向摆度预测 | 第88-89页 |
4.4 本章小结 | 第89-91页 |
第五章 混流式水轮机调节系统的鲁棒终端滑模控制 | 第91-108页 |
5.1 水轮机调节系统的有限时间滑模控制 | 第91-98页 |
5.1.1 水轮机调节系统的时域分析 | 第91-92页 |
5.1.2 滑模面及控制器设计 | 第92-96页 |
5.1.3 仿真结果及分析 | 第96-98页 |
5.2 分数阶水轮机调节系统的控制 | 第98-106页 |
5.2.1 分数阶微积分基础知识 | 第98-99页 |
5.2.2 分数阶水轮机调节系统模型 | 第99-101页 |
5.2.3 时频域转化 | 第101-103页 |
5.2.4 分数阶控制器设计 | 第103-105页 |
5.2.5 仿真结果及分析 | 第105-106页 |
5.3 本章小结 | 第106-108页 |
第六章 混流式水轮机调节系统的模糊预测函数控制 | 第108-145页 |
6.1 水轮机调节系统的模糊控制 | 第108-117页 |
6.1.1 T-S模糊模型及并行分布补偿控制 | 第108-109页 |
6.1.2 区间矩阵理论 | 第109-110页 |
6.1.3 水轮机调节系统的T-S模糊控制器设计 | 第110-115页 |
6.1.4 数值模拟 | 第115-117页 |
6.2 水轮机调节系统的模糊预测函数控制 | 第117-144页 |
6.2.1 模糊线性化 | 第117-120页 |
6.2.2 模糊神经网络(FNN)解耦 | 第120-125页 |
6.2.3 模糊预测函数控制器设计 | 第125-133页 |
6.2.4 数值仿真 | 第133-144页 |
6.3 本章小结 | 第144-145页 |
第七章 结论与展望 | 第145-149页 |
7.1 结论 | 第145-146页 |
7.2 创新点 | 第146-147页 |
7.3 不足之处及展望 | 第147-149页 |
参考文献 | 第149-158页 |
致谢 | 第158-159页 |
个人简历 | 第159页 |