| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-27页 |
| ·课题研究的背景、目的和意义 | 第11-12页 |
| ·国内外研究发展现状综述 | 第12-25页 |
| ·船舶汽轮机发展的国内外研究现状 | 第12-16页 |
| ·船舶汽轮机转速控制的国内外研究现状 | 第16-21页 |
| ·基于软计算的智能控制国内外研究现状 | 第21-25页 |
| ·论文的主要研究内容 | 第25-27页 |
| 第2章 船舶汽轮机数学模型建立及仿真 | 第27-44页 |
| ·船舶汽轮机特点及工作原理 | 第27-30页 |
| ·汽轮机推进系统数学模型 | 第30-37页 |
| ·调节级建模 | 第31-33页 |
| ·非调节级建模 | 第33页 |
| ·推进系统建模 | 第33-34页 |
| ·螺旋浆推进特性建模 | 第34-35页 |
| ·齿轮减速器建模 | 第35-36页 |
| ·凸轮配汽曲线 | 第36页 |
| ·船舶汽轮机整体模型搭建 | 第36-37页 |
| ·汽轮机动态过程仿真分析 | 第37-43页 |
| ·升速过程 | 第38-39页 |
| ·降速过程 | 第39-41页 |
| ·工况变化模型对比 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 基于粗糙集的船舶汽轮机模糊神经网络控制器研究 | 第44-65页 |
| ·基于粗糙集的模糊神经网络的建立 | 第44-54页 |
| ·粗糙集 | 第45-48页 |
| ·粗糙 T-S 模糊神经网络的建立 | 第48-54页 |
| ·基于粗糙集的船舶汽轮机模糊神经网络控制器设计 | 第54-58页 |
| ·控制器设计步骤 | 第54-57页 |
| ·网络参数的学习算法 | 第57-58页 |
| ·基于粗糙集的模糊神经网络的船舶汽轮机控制仿真分析 | 第58-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于 LS-SVM 的船舶汽轮机在线预测函数控制 | 第65-83页 |
| ·预测函数控制 | 第65-67页 |
| ·LS-SVM 非线性系统辨识 | 第67-71页 |
| ·基于 LS-SVM 的船舶汽轮机系统预测控制研究 | 第71-75页 |
| ·辨识模型的线性化 | 第71-73页 |
| ·船舶汽轮机预测函数控制器设计 | 第73-75页 |
| ·船舶汽轮机系统预测函数控制仿真研究 | 第75-82页 |
| ·线性核函数 LS-SVM 单步预测函数控制器设计 | 第75-76页 |
| ·基于 LS-SVM 的船舶汽轮机预测函数控制仿真研究 | 第76-82页 |
| ·本章小结 | 第82-83页 |
| 第5章 基于多尺度神经网络的船舶汽轮机自适应鲁棒控制 | 第83-99页 |
| ·船舶汽轮机系统中存在的不确定扰动分析 | 第83-84页 |
| ·多尺度神经网络 | 第84-90页 |
| ·多尺度神经网络结构 | 第85-88页 |
| ·多尺度神经网络训练算法 | 第88-89页 |
| ·隐层节点数的选择 | 第89页 |
| ·多尺度神经网络权值初始化 | 第89-90页 |
| ·船舶汽轮机自适应鲁棒控制器设计 | 第90-94页 |
| ·反馈线性化 | 第90-91页 |
| ·船舶汽轮机自适应鲁棒控制器设计 | 第91-94页 |
| ·多尺度自适应鲁棒控制系统仿真分析 | 第94-98页 |
| ·本章小结 | 第98-99页 |
| 结论 | 第99-101页 |
| 参考文献 | 第101-112页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第112-113页 |
| 致谢 | 第113页 |
