| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第一章 绪论 | 第8-13页 |
| ·选题的背景及意义 | 第8-9页 |
| ·预测控制研究的进展及存在的问题 | 第9-11页 |
| ·预测控制研究的进展 | 第9-11页 |
| ·预测控制存在的问题 | 第11页 |
| ·本论文所做的工作 | 第11-13页 |
| 第二章 动态矩阵预测控制的理论基础 | 第13-37页 |
| ·预测控制提出的背景 | 第13-14页 |
| ·预测控制的基本思想与结构 | 第14-17页 |
| ·预测控制的基本思想与结构 | 第14-15页 |
| ·预测控制的原理 | 第15-17页 |
| ·预测控制的特点 | 第17页 |
| ·预测控制中的预测模型 | 第17-20页 |
| ·脉冲响应模型 | 第18页 |
| ·阶跃响应模型 | 第18-19页 |
| ·可控自回归滑动平均模型(CARMA) | 第19-20页 |
| ·可控自回归积分滑动平均模型(CARIMA) | 第20页 |
| ·动态矩阵控制算法DMC | 第20-36页 |
| ·动态矩阵控制算法(DMC) | 第20-26页 |
| ·DMC的内模控制结构 | 第26-27页 |
| ·DMC的稳定性和鲁棒性 | 第27-28页 |
| ·动态矩阵控制的特点 | 第28-29页 |
| ·动态矩阵控制的仿真研究 | 第29-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于BP神经网络辨识的动态矩阵预测控制研究 | 第37-52页 |
| ·神经网络基础 | 第37-39页 |
| ·前向神经网络的BP算法 | 第39-44页 |
| ·基于BP算法的多层前馈网络模型 | 第39-40页 |
| ·BP学习算法的权值调整 | 第40-41页 |
| ·BP算法的程序实现 | 第41-43页 |
| ·多层前馈网络的主要能力 | 第43页 |
| ·BP学习算法注意事项 | 第43-44页 |
| ·基于BP神经网络的预测控制系统 | 第44-49页 |
| ·神经网络预测控制的一般结构 | 第44-46页 |
| ·BP神经网络预测控制 | 第46-49页 |
| ·基于BP网络的动态矩阵预测控制的仿真研究 | 第49-51页 |
| ·被控对象的离线辨识 | 第49-50页 |
| ·基于BP网络的动态矩阵预测控制的仿真 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于RBF神经网络辨识的动态矩阵控制的研究 | 第52-63页 |
| ·RBF神经网络 | 第52-56页 |
| ·RBF神经网络概述 | 第52-53页 |
| ·网络模型 | 第53页 |
| ·RBF网络的学习方法 | 第53-55页 |
| ·RBF网络学习方法的程序实现 | 第55-56页 |
| ·RBF神经网络预测控制 | 第56-59页 |
| ·RBF神经网络预测控制的结构 | 第56页 |
| ·RBF神经网络预测模型 | 第56-58页 |
| ·RBF神经网络预测控制律的计算 | 第58-59页 |
| ·基于RBF网络的动态矩阵预测控制的仿真研究 | 第59-62页 |
| ·被控对象的离线辨识 | 第59-60页 |
| ·基于RBF网络的动态矩阵预测控制的仿真 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 神经网络预测控制在加氢裂化装置上的应用研究 | 第63-75页 |
| ·加氢裂化装置的工艺流程及控制要求 | 第63-67页 |
| ·工艺流程 | 第64-65页 |
| ·DCS控制系统及控制目标 | 第65-67页 |
| ·神经网络技术在航煤干点建模上的应用 | 第67-72页 |
| ·模型辨识的输入变量及数据采集与处理 | 第68-69页 |
| ·模型的辨识 | 第69-72页 |
| ·航煤干点动态矩阵预测控制方案的设计 | 第72-74页 |
| ·前馈控制 | 第73-74页 |
| ·串级控制 | 第74页 |
| ·本章小结 | 第74-75页 |
| 结束语 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录(攻读学位期间发表的论文) | 第82页 |
