| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 火电厂节能优化研究动态 | 第10-13页 |
| 1.2.2 水电站节能优化研究动态 | 第13-15页 |
| 1.3 本文研究内容 | 第15-17页 |
| 第二章 随机分布控制理论 | 第17-25页 |
| 2.1 引言 | 第17-18页 |
| 2.2 基于B样条函数的建模与控制方法 | 第18-23页 |
| 2.2.1 随机分布系统模型的建立 | 第18-20页 |
| 2.2.2 控制规律设计 | 第20-23页 |
| 2.3 基于输入输出模型的随机分布控制系统的设计 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于神经网络-B样条的炉膛温度分布控制 | 第25-42页 |
| 3.1 引言 | 第25页 |
| 3.2 误差反向传播神经网络 | 第25-28页 |
| 3.2.1 BP神经网络的结构 | 第25-26页 |
| 3.2.2 BP神经网络学习算法 | 第26-27页 |
| 3.2.3 BP神经网络的主要特点 | 第27-28页 |
| 3.3 基于神经网络-B样条的分布式输出控制算法 | 第28-33页 |
| 3.3.1 建立分布式输出系统的B样条模型 | 第28-30页 |
| 3.3.2 控制算法思路 | 第30页 |
| 3.3.3 控制算法设计 | 第30-33页 |
| 3.4 炉膛温度分布控制仿真实例 | 第33-41页 |
| 3.4.1 建立炉膛温度分布B样条逼近模型 | 第33-36页 |
| 3.4.2 基于传统梯度下降法优化控制器的炉膛温度分布控制仿真 | 第36-39页 |
| 3.4.3 基于神经网络控制器的炉膛温度分布控制仿真 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于最小熵理论的的水轮机调速系统控制 | 第42-53页 |
| 4.1 引言 | 第42页 |
| 4.2 基于最小熵的随机分布控制理论基础 | 第42-43页 |
| 4.2.1 随机分布控制的出发点 | 第42-43页 |
| 4.2.2 关于信息和熵 | 第43页 |
| 4.3 基于最小熵的随机分布控制算法设计 | 第43-47页 |
| 4.3.1 控制系统结构 | 第43-45页 |
| 4.3.2 主回路控制器性能指标选取 | 第45-46页 |
| 4.3.3 熵的估计法 | 第46-47页 |
| 4.3.4 增量式控制算法 | 第47页 |
| 4.4 基于最小熵的随机分布控制算法在水轮机调速系统中的应用实例 | 第47-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 全文总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-59页 |
| 致谢 | 第59页 |
