多模型自适应控制在过热气温控制系统中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·多模型控制研究的发展及现状 | 第10-12页 |
| ·多模型控制的实际应用 | 第12-13页 |
| ·锅炉主汽温控制的难点及其重要性 | 第13页 |
| ·本文工作 | 第13-15页 |
| 第二章 多模型控制基本原理 | 第15-25页 |
| ·多模型控制系统的结构 | 第15-16页 |
| ·模型集的研究 | 第16-19页 |
| ·模型集的类型 | 第16-17页 |
| ·动态优化模型集的建立 | 第17-19页 |
| ·控制器的结构研究 | 第19-20页 |
| ·间接多模型控制 | 第19-20页 |
| ·直接多模型控制 | 第20页 |
| ·切换性能指标的研究 | 第20-24页 |
| ·切换性能指标的类型 | 第21-22页 |
| ·切换性能指标的性质 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 人工神经网络及网络优化方法 | 第25-39页 |
| ·神经网络研究的发展及现状 | 第25-26页 |
| ·神经网络结构及工作方式 | 第25-26页 |
| ·神经网络的学习方法 | 第26页 |
| ·神经网络在控制领域中的应用 | 第26-29页 |
| ·基于神经网络的系统辨识 | 第26-29页 |
| ·基于神经网络的控制系统 | 第29-30页 |
| ·RBF网络 | 第30-33页 |
| ·网络结构 | 第31页 |
| ·网络逼近能力 | 第31-32页 |
| ·学习算法 | 第32页 |
| ·应用 | 第32页 |
| ·优点及问题 | 第32-33页 |
| ·快速资源优化网络(FRON)算法 | 第33-39页 |
| ·FRON网络结构 | 第33-34页 |
| ·FRON学习算法 | 第34-36页 |
| ·FRON算法的特点 | 第36页 |
| ·算法实现 | 第36页 |
| ·仿真分析 | 第36-39页 |
| 第四章 基于神经网络的多模型控制 | 第39-49页 |
| ·问题描述及系统控制结构 | 第39-41页 |
| ·基于FRON网络的控制系统设计 | 第41-47页 |
| ·基于FRON的辨识模型NNI | 第41-43页 |
| ·基于FRON预测控制器NNC的设计 | 第43-44页 |
| ·基于FRON网络的预测控制仿真研究 | 第44-47页 |
| ·模型的切换策略 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 过热汽温多模型控制 | 第49-59页 |
| ·过热汽温控制的任务 | 第49页 |
| ·过热汽温控制对象的动态特性 | 第49-50页 |
| ·常规串级过热汽温控制系统 | 第50-53页 |
| ·串级系统的结构和工作原理 | 第50-51页 |
| ·常规串级系统存在的问题 | 第51-53页 |
| ·多模型切换控制在过热汽温控制中的应用 | 第53-58页 |
| ·过热汽温多模型的建立 | 第53-54页 |
| ·切换策略 | 第54-55页 |
| ·典型工况下控制器设计与参数整定 | 第55-56页 |
| ·多模型控制系统仿真研究 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
