首页--工业技术论文--水利工程论文--水能利用、水电站工程论文--水电站建筑与设备论文--机电设备论文

混流式水轮机调节系统的非线性状态预测与稳定控制研究

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

论文共159页,点击 下载论文
上一篇:金属硫化物复合材料的制备及其作为锂/钠二次电池负极材料的性能研究
下一篇:多参数耦合条件下生物焦的制备及其对Hg~0吸附机理研究