| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 选题背景和研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 剪枝算法在神经网络中的应用 | 第9页 |
| 1.2.2 神经网络在热工过程辨识中的应用 | 第9-10页 |
| 1.2.3 基于现场数据的神经网络辨识研究 | 第10页 |
| 1.3 本文主要研究内容 | 第10-12页 |
| 第二章 基于RBF神经网络的剪枝优化算法 | 第12-27页 |
| 2.1 引言 | 第12页 |
| 2.2 惩罚函数法和灵敏度法神经网络剪枝算法 | 第12-13页 |
| 2.3 基于RBF神经网络的剪枝优化算法 | 第13-18页 |
| 2.3.1 RBF神经网络 | 第13-15页 |
| 2.3.2 基于RBF神经网络的剪枝优化算法的理论推导 | 第15-17页 |
| 2.3.3 基于RBF神经网络的剪枝优化算法的剪枝策略 | 第17页 |
| 2.3.4 基于RBF神经网络的剪枝优化算法步骤 | 第17-18页 |
| 2.4 仿真研究 | 第18-26页 |
| 2.4.1 简单系统 | 第18-22页 |
| 2.4.2 复杂系统 | 第22-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于现场数据的热工过程神经网络模型辨识 | 第27-55页 |
| 3.1 引言 | 第27页 |
| 3.2 基于现场数据热工过程建模的可辨识性分析 | 第27-28页 |
| 3.2.1 热工过程输入信号持续激励条件 | 第27页 |
| 3.2.2 热工过程闭环可辨识性 | 第27-28页 |
| 3.3 过程神经网络模型辨识原理 | 第28-41页 |
| 3.3.1 基于神经网络剪枝算法的辨识原理 | 第28-30页 |
| 3.3.2 基于神经网络剪枝算法的模型结构辨识 | 第30-31页 |
| 3.3.3 基于神经网络剪枝算法的热工过程辨识算法步骤 | 第31-32页 |
| 3.3.4 基于剪枝算法的模型辨识有效性仿真 | 第32-41页 |
| 3.4 基于现场数据的过热汽温神经网络模型辨识 | 第41-53页 |
| 3.4.1 过热汽温过程分析 | 第41-44页 |
| 3.4.2 过热汽温神经网络模型辨识 | 第44-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于神经网络的热工过程传递函数模型辨识 | 第55-63页 |
| 4.1 引言 | 第55页 |
| 4.2 遗传算法的原理和方法 | 第55-56页 |
| 4.3 从神经网络模型中提取传递函数模型方法 | 第56-59页 |
| 4.3.1 基于遗传算法的过程辨识原理 | 第56-57页 |
| 4.3.2 基于遗传算法的过程辨识的实现 | 第57-58页 |
| 4.3.3 从RBF神经网络模型中提取传递函数模型的原理及方法 | 第58-59页 |
| 4.4 仿真研究 | 第59-62页 |
| 4.4.1 算法有效性仿真 | 第59-61页 |
| 4.4.2 过热汽温传递函数模型辨识仿真 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 结论与展望 | 第63-64页 |
| 5.1 主要研究内容及成果 | 第63页 |
| 5.2 今后工作的展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 作者在硕士研究生期间的科研成果 | 第69页 |
