| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 引言 | 第9-12页 |
| ·选题背景及意义 | 第9页 |
| ·国内外超临界/超超临界机组建模研究现状 | 第9-10页 |
| ·国内研究现状 | 第9-10页 |
| ·国外研究现状 | 第10页 |
| ·论文的主要工作 | 第10-12页 |
| 第二章 超超临界火电机组简介及机理建模 | 第12-22页 |
| ·1000MW超超临界机简介 | 第12-15页 |
| ·1000MW超超临界机组的结构 | 第12页 |
| ·直流锅炉模型简述 | 第12-13页 |
| ·汽水分离器干、湿态转换 | 第13页 |
| ·启动系统的功能及组成 | 第13-14页 |
| ·锅炉干湿态转换 | 第14-15页 |
| ·超超临界机组模块化建模 | 第15-19页 |
| ·锅炉的主要技术参数如表2-1所示 | 第15页 |
| ·超超临界直流锅炉汽水系统数学模型 | 第15-18页 |
| ·超超临界直流锅炉仿真模型的建立 | 第18-19页 |
| ·超超临界机组动态模型仿真研究 | 第19-22页 |
| 第三章 神经网络基础 | 第22-28页 |
| ·神经网络模型与神经网络结构 | 第22-23页 |
| ·人工神经元模型 | 第22页 |
| ·神经网络的权值算法 | 第22-23页 |
| ·神经网络结构 | 第23页 |
| ·神经网络的建模与辨识 | 第23-26页 |
| ·非线性系统辨识的一般模型 | 第23-24页 |
| ·神经网络辨识理论依据与辨识结构 | 第24-26页 |
| ·神经网络辨识的特点 | 第26页 |
| ·神经网络的应用实例 | 第26-28页 |
| 第四章 基于神经网络的1000MW单元机组的建模与仿真 | 第28-53页 |
| ·引言 | 第28页 |
| ·1000MW直流锅炉单元机组带遗忘因子的最小二乘法的线性模型 | 第28-38页 |
| ·多输入多输出系统的遗忘因子最小二乘参数估计的递推算法 | 第28-31页 |
| ·1000MW直流锅炉单元机组的线性模型 | 第31-38页 |
| ·1000MW直流锅炉单元机组的广义回归神经网络模型 | 第38-45页 |
| ·广义回归神经网络 | 第38-45页 |
| ·1000MW直流锅炉单元机组的OIF Elman神经网络模型 | 第45-53页 |
| ·OIF Elman神经网络的结构及其算法 | 第45-46页 |
| ·1000MW直流锅炉单元机组的OIF Elman神经网络模型 | 第46-53页 |
| 第五章 基于减法聚类的模糊神经网络的1000MW直流锅炉单元机组的模型 | 第53-66页 |
| ·模糊推理系统 | 第53-55页 |
| ·模糊推理系统原理 | 第53-55页 |
| ·模糊建模的基本原理 | 第55-56页 |
| ·ANFIS推理系统的结构 | 第55-56页 |
| ·模糊神经网络的超超临界机组建模理论 | 第56-57页 |
| ·减法聚类 | 第56-57页 |
| ·参数优化算法 | 第57页 |
| ·1000MW直流锅炉单元机组的模糊神经网络模型 | 第57-66页 |
| ·模糊神经网络的设计 | 第57-58页 |
| ·模糊神经网络的训练 | 第58-62页 |
| ·模糊神经网络的测试 | 第62-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 在学期间发表的学术论文和参加科研情况 | 第70-71页 |
| 致谢 | 第71页 |
