| 1 绪论 | 第1-13页 |
| ·HVDC控制的意义 | 第8页 |
| ·HVDC控制方式的发展 | 第8-11页 |
| ·基于古典控制理论的单变量控制方式 | 第9页 |
| ·基于现代控制理论的多变量控制方式 | 第9-10页 |
| ·鲁棒非线性控制 | 第10页 |
| ·HVDC输电系统智能控制 | 第10-11页 |
| ·本文的工作 | 第11-13页 |
| 2 高压直流输电(HVDC)系统 | 第13-22页 |
| ·直流输电系统概述 | 第13-16页 |
| ·基本原理 | 第13-14页 |
| ·直流输电系统常见的接线方式 | 第14-15页 |
| ·高压直流输电特性及与交流输电的比较 | 第15-16页 |
| ·系统模型 | 第16-18页 |
| ·基本的控制方程及控制特性 | 第18-21页 |
| ·控制的基本原理与方程 | 第18-19页 |
| ·理想的控制特性 | 第19-20页 |
| ·实际的控制特性 | 第20-21页 |
| ·控制方式的选择 | 第21页 |
| ·本章小结 | 第21-22页 |
| 3 模糊神经网络理论 | 第22-37页 |
| ·模糊控制理论 | 第22-30页 |
| ·概述 | 第22页 |
| ·基本原理 | 第22-24页 |
| ·模糊化运算 | 第24-26页 |
| ·模糊集 | 第24页 |
| ·输入量尺度变换 | 第24-25页 |
| ·模糊化运算 | 第25-26页 |
| ·数据库 | 第26-27页 |
| ·输入和输出空间的模糊分割 | 第26-27页 |
| ·隶属度函数的选择 | 第27页 |
| ·规则库 | 第27-28页 |
| ·模糊控制规则的前件和后件变量的选择 | 第27-28页 |
| ·模糊控制规则的结构 | 第28页 |
| ·模糊推理 | 第28-29页 |
| ·清晰化计算 | 第29-30页 |
| ·神经网络理论 | 第30-35页 |
| ·概述 | 第30页 |
| ·定义与MP模型 | 第30-31页 |
| ·多层前馈网络与BP学习算法研究 | 第31-35页 |
| ·网络结构 | 第31-32页 |
| ·BP学习算法 | 第32-34页 |
| ·改进的BP学习算法 | 第34-35页 |
| ·模糊神经网络 | 第35-36页 |
| ·特点 | 第35页 |
| ·控制器的结构 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于模糊神经网络的HVDC控制器 | 第37-62页 |
| ·定电流控制的整流器 | 第37-50页 |
| ·模糊逻辑控制部分 | 第38-44页 |
| ·结构 | 第38-39页 |
| ·控制步骤 | 第39-43页 |
| ·MATLAB语言实现模糊逻辑整流控制 | 第43-44页 |
| ·神经网络控制部分 | 第44-50页 |
| ·结构 | 第45-46页 |
| ·控制步骤 | 第46-50页 |
| ·基于模糊神经网络的定电压控制的逆变器 | 第50-60页 |
| ·模糊逻辑控制部分 | 第51-56页 |
| ·结构 | 第51-52页 |
| ·控制步骤 | 第52-56页 |
| ·神经网络部分 | 第56-60页 |
| ·结构 | 第56页 |
| ·控制步骤 | 第56-60页 |
| ·本章小节 | 第60-62页 |
| 5 仿真及结果分析 | 第62-78页 |
| ·基于MATLAB／Power System Blockset的系统仿真模型的建立 | 第62-69页 |
| ·PI控制方式下的系统模型的建立 | 第63-64页 |
| ·基于模糊神经网络的整流控制器的系统模型的建立 | 第64-67页 |
| ·基于模糊神经网络的逆变控制器的系统模型的建立 | 第67-69页 |
| ·基于模糊神经网络的整流侧控制器的仿真结果分析 | 第69-71页 |
| ·整流侧控制器的训练结果 | 第69页 |
| ·仿真结果分析 | 第69-71页 |
| ·基于模糊神经网络的逆变侧控制器的仿真结果分析 | 第71-74页 |
| ·逆变侧控制器的训练结果 | 第71-72页 |
| ·仿真结果分析 | 第72-74页 |
| ·整流侧和逆变侧控制器共同作用的仿真结果分析 | 第74-76页 |
| ·本章小结 | 第76-78页 |
| 6 结论与展望 | 第78-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 附录 硕士研究生期间投稿或发表的论文 | 第86页 |