| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-21页 |
| ·智能控制技术的发展现状及其应用前景 | 第12-15页 |
| ·选题背景 | 第15页 |
| ·本文的主要工作及创新 | 第15-21页 |
| ·本文的主要工作 | 第15-17页 |
| ·本文所提出的创新点 | 第17-21页 |
| ·对标准模型模糊神经网络的结构和学习算法进行改进 | 第17-18页 |
| ·通过遗传算法优化FNNC和RBF的学习速率和惯性系数 | 第18-19页 |
| ·常规给水全程控制系统存在的问题及其解决方法 | 第19-21页 |
| 第二章 神经网络实现的模糊控制 | 第21-37页 |
| ·模糊逻辑控制的基本原理 | 第21-23页 |
| ·模糊控制系统的组成 | 第21-22页 |
| ·模糊控制算法的实现 | 第22-23页 |
| ·神经网络控制基本理论 | 第23-27页 |
| ·神经网络模型 | 第23-25页 |
| ·神经网络的学习方法 | 第25-27页 |
| ·模糊神经网络的基本理论 | 第27-37页 |
| ·基于Mamdani模型的模糊神经网络 | 第27-33页 |
| ·Mamdani模型的模糊系统 | 第27-29页 |
| ·Mamdani模型的模糊神经网络系统结构 | 第29-30页 |
| ·Mamdani模型模糊神经网络的学习算法 | 第30-33页 |
| ·基于Takagi—Sugeno模型的模糊神经网络 | 第33-37页 |
| ·Takagi—Sugeno模型的模糊系统 | 第33-34页 |
| ·T—S模型的模糊神经网络的结构 | 第34-36页 |
| ·T—S模型模糊神经网络的学习算法 | 第36-37页 |
| 第三章 基于模糊神经网络的参数自整定PID控制系统设计 | 第37-57页 |
| ·模糊神经参数自整定PID控制器模型 | 第37-39页 |
| ·模糊神经参数自整定PID控制器的学习算法 | 第39-41页 |
| ·模糊神经参数自整定PID控制器改进的学习算法 | 第41-42页 |
| ·RBF神经网络辨识器结构及其学习算法 | 第42-44页 |
| ·基于遗传算法优化的模糊神经自适应PID控制系统 | 第44-47页 |
| ·遗传算法的基本理论 | 第44-45页 |
| ·遗传算法的主要特点 | 第44页 |
| ·遗传算法的基本原理 | 第44-45页 |
| ·遗传算法优化模糊神经网络自适应PID控制系统的实现 | 第45-47页 |
| ·仿真实验 | 第47-56页 |
| ·结论 | 第56-57页 |
| 第四章 汽包锅炉给水控制系统 | 第57-79页 |
| ·给水控制对象的动态特性 | 第57-60页 |
| ·给水流量扰动下水位变化的动态特性 | 第57-59页 |
| ·蒸汽流量扰动下水位变化的动态特性 | 第59-60页 |
| ·锅炉热负荷扰动下的水位变化动态特性 | 第60页 |
| ·三冲量给水控制系统 | 第60-79页 |
| ·单级三冲量给水控制系统的工作原理及其参数整定 | 第61-69页 |
| ·常规单级三冲量给水控制系统的工作原理及其参数整定 | 第61-65页 |
| ·一类特殊的单级三冲量给水控制系统分析 | 第65-69页 |
| ·串级三冲量给水控制系统的工作原理及其参数整定 | 第69-73页 |
| ·智能串级三冲量给水控制系统的工作原理及其参数整定 | 第73-79页 |
| 第五章 给水全程控制理论及其实现 | 第79-102页 |
| ·给水全程控制系统概述 | 第79页 |
| ·对给水全程控制系统的要求 | 第79-80页 |
| ·几种典型方案的分析和比较 | 第80-85页 |
| ·给水全程控制系统的实现 | 第85-102页 |
| ·热工信号的测量及校正 | 第85-93页 |
| ·给水泵安全特性分析 | 第93-94页 |
| ·给水系统工艺流程 | 第94页 |
| ·给水全程控制系统结构和工作原理 | 第94-100页 |
| ·给水全程控制系统的结构 | 第94-98页 |
| ·汽包锅炉控制过程分析 | 第98-100页 |
| ·控制过程的跟踪与切换 | 第100-102页 |
| 第六章 总结与展望 | 第102-104页 |
| 参考文献 | 第104-109页 |
| 致谢 | 第109-110页 |
| 作者在攻读硕士学位期间完成的论文 | 第110页 |
