| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·引言 | 第8-9页 |
| ·预测函数控制的应用现状及存在的问题 | 第9-10页 |
| ·研究意义 | 第10-13页 |
| ·研究内容 | 第13-14页 |
| 第二章 预测函数控制和神经网络基本理论 | 第14-27页 |
| ·预测函数控制基本原理 | 第14-18页 |
| ·基函数 | 第15页 |
| ·预测模型 | 第15页 |
| ·滚动优化 | 第15-16页 |
| ·反馈校正 | 第16页 |
| ·控制量计算 | 第16-18页 |
| ·人工神经网络技术的基本原理 | 第18-27页 |
| ·人工神经网络的基本概念和特征 | 第18-20页 |
| ·多层前向神经网络 | 第20-22页 |
| ·人工神经网络与自动控制 | 第22-23页 |
| ·神经网络与系统辨识 | 第23-25页 |
| ·神经网络辨识的结构 | 第25-26页 |
| ·神经网络辨识的原理 | 第26-27页 |
| 第三章 PFC 在锅炉给水控制系统中的应用 | 第27-38页 |
| ·引言 | 第27页 |
| ·给水控制对象的动态特性和控制要求 | 第27-28页 |
| ·给水控制对象的动态特性 | 第27-28页 |
| ·给水自动控制系统的基本要求 | 第28页 |
| ·给水控制系统的神经PFC 与PID 复合控制 | 第28-38页 |
| ·控制对象等效为一阶加纯滞后模型 | 第28-30页 |
| ·控制系统结构分析 | 第30-31页 |
| ·控制量计算 | 第31-33页 |
| ·仿真研究 | 第33-38页 |
| 第四章 混合神经网络APFC 控制在水处理系统中的应用 | 第38-46页 |
| ·引言 | 第38页 |
| ·线性神经网络 | 第38-40页 |
| ·线性神经网络结构 | 第38-39页 |
| ·线性神经网络学习算法 | 第39-40页 |
| ·线性网络的训练 | 第40页 |
| ·混合神经网络辨识 | 第40-41页 |
| ·混合神经网络APFC 基本原理 | 第41页 |
| ·混合神经网络的APFC 算法 | 第41-42页 |
| ·仿真研究 | 第42-46页 |
| 第五章 多模型PFC 在电厂气温系统的应用 | 第46-56页 |
| ·引言 | 第46页 |
| ·减温水扰动下过热汽温对象的动态特性分析 | 第46-47页 |
| ·局部神经网络模型 | 第47-49页 |
| ·非线性神经网络的表达方式 | 第48页 |
| ·局部模型的建立 | 第48-49页 |
| ·预测函数控制器的设计 | 第49-52页 |
| ·神经网络预测输出 | 第49-50页 |
| ·控制量的计算 | 第50-51页 |
| ·控制信号的合成 | 第51-52页 |
| ·仿真研究 | 第52-56页 |
| 第六章 基于改进ELMAN 网络的多变量解耦PFC 控制在协调控制系统的应用 | 第56-78页 |
| ·引言 | 第56页 |
| ·改进ELMAN 神经网络 | 第56-60页 |
| ·改进ELMAN 神经网络结构 | 第56-58页 |
| ·改进ELMAN 神经网络学习算法 | 第58-60页 |
| ·神经网络解耦控制 | 第60-62页 |
| ·神经网络解耦控制的结构 | 第60-61页 |
| ·神经网络前馈解耦 | 第61-62页 |
| ·动态神经网络解耦控制器的设计 | 第62页 |
| ·多变量预测函数控制的算法 | 第62-66页 |
| ·预测模型 | 第63-64页 |
| ·模型函数输出 | 第64页 |
| ·反馈校正 | 第64-65页 |
| ·滚动优化 | 第65-66页 |
| ·协调控制对象的动态特性和控制要求 | 第66-67页 |
| ·仿真研究 | 第67-78页 |
| ·抗扰动仿真及解耦研究 | 第70-72页 |
| ·负荷快速跟踪仿真研究 | 第72-75页 |
| ·变参数对象及大范围升负荷研究 | 第75-77页 |
| ·模型失配仿真研究 | 第77-78页 |
| 第七章 结论和展望 | 第78-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 个人简介 | 第87页 |