摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第15-30页 |
1.1 非线性模型预测控制存在的固有问题 | 第15-16页 |
1.2 非线性模型预测控制的研究方法 | 第16-21页 |
1.2.1 “精确优化”与“近似优化” | 第16-18页 |
1.2.2 非线性模型预测控制有效工具---模糊控制、神经网络、多模型控制 | 第18-20页 |
1.2.3 非线性模型预测控制的稳定性问题 | 第20-21页 |
1.3 大机组、新能源发电过程非线性模型预测控制 | 第21-29页 |
1.3.1 大机组发电过程全局优化非线性模型预测控制 | 第22-25页 |
1.3.2 新能源发电过程高效非线性模型预测控制 | 第25-26页 |
1.3.3 大机组、新能源发电过程控制研究现状 | 第26-29页 |
1.4 本文的主要工作 | 第29-30页 |
第2章 非线性模型预测控制的理论基础—非线性约束优化方法 | 第30-52页 |
2.1 无约束优化 | 第30-36页 |
2.1.1 解析法 | 第31-35页 |
2.1.2 直接法 | 第35-36页 |
2.1.3 Matlab求函数的极小值 | 第36页 |
2.2 带等式约束优化 | 第36-38页 |
2.3 带不等式约束优化问题 | 第38-51页 |
2.3.1 线性规划(LP) | 第39-40页 |
2.3.2 二次规划(QP) | 第40页 |
2.3.3 序列二次规划(SQP) | 第40-43页 |
2.3.4 罚函数法 | 第43-49页 |
2.3.5 卡罗需-库恩-塔克(KKT)条件 | 第49-51页 |
2.4 本章小结 | 第51-52页 |
第3章 基于输入输出反馈线性化的非线性模型预测控制 | 第52-68页 |
3.1 输入-输出反馈线性化(INPUT/OUTPUT FEEDBACK LINEARIZATION) | 第52-57页 |
3.1.1 单入单出系统输入-输出反馈线性化 | 第52-53页 |
3.1.2 多入多出系统输入-输出反馈线性化 | 第53-57页 |
3.2 线性控制结构 | 第57-59页 |
3.3 约束处理 | 第59-63页 |
3.3.1 非线性约束的展开 | 第60页 |
3.3.2 迭代QP算法 | 第60-61页 |
3.3.3 约束线性化 | 第61-62页 |
3.3.4 算法步骤 | 第62-63页 |
3.4 仿真结果 | 第63-67页 |
3.4.1 数字例子 | 第63-65页 |
3.4.2 搅拌反应器 | 第65-67页 |
3.5 本章小结 | 第67-68页 |
第4章 新能源电力系统快速过程的高效非线性模型预测控制 | 第68-102页 |
4.1 双馈风力发电机组的非线性模型预测控制 | 第68-86页 |
4.1.1 双馈风力发电机组控制的背景 | 第68-69页 |
4.1.2 双馈风力发电机的非线性模型 | 第69-72页 |
4.1.3 基于输入输出反馈线性化的双馈电机预测控制策略 | 第72-76页 |
4.1.4 仿真结果 | 第76-86页 |
4.1.5 结论 | 第86页 |
4.2 永磁同步电机高效非线性模型预测控制 | 第86-101页 |
4.2.1 永磁同步电机控制背景 | 第86-87页 |
4.2.2 PMSM非线性模型建立 | 第87-89页 |
4.2.3 PMSM状态反馈线性化 | 第89-90页 |
4.2.4 PMSM的约束模型预测控制策略 | 第90-94页 |
4.2.5 仿真结果 | 第94-100页 |
4.2.6 结论 | 第100-101页 |
4.3 本章小结 | 第101-102页 |
第5章 超超临界机组的分级非线性模型预测协调控制 | 第102-124页 |
5.1 研究背景 | 第102-103页 |
5.2 超超临界机组的控制问题 | 第103-105页 |
5.3 USC系统的分级非线性预测控制 | 第105-112页 |
5.3.1 模糊神经网络(NFN)建模 | 第105-108页 |
5.3.2 上层优化:非线性带约束预测控制 | 第108-112页 |
5.4 仿真结果 | 第112-123页 |
5.5 结论 | 第123-124页 |
第6章 结论与展望 | 第124-125页 |
参考文献 | 第125-138页 |
攻读博士学位期间发表的论文及其它成果 | 第138-140页 |
攻读博士学位期间参加的科研工作 | 第140-141页 |
致谢 | 第141-142页 |
作者简介 | 第142页 |