基于神经网络预测控制的低温风洞多变量控制策略研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-22页 |
| §1.1 研究背景和意义 | 第10-13页 |
| §1.2 研究现状 | 第13-19页 |
| §1.2.1 国外低温风洞及流场控制 | 第13-16页 |
| §1.2.2 国内低温风洞 | 第16-17页 |
| §1.2.3 国内复杂风洞流场控制策略 | 第17-18页 |
| §1.2.4 基于神经网络的预测控制 | 第18-19页 |
| §1.3 本文工作 | 第19-22页 |
| 第二章 低温风洞流场参数建模 | 第22-34页 |
| §2.1 集总参数动态模型建模 | 第22-23页 |
| §2.1.1 部段划分 | 第22-23页 |
| §2.1.2 守恒方程 | 第23页 |
| §2.2 方程离散化 | 第23-25页 |
| §2.3 风洞主要部段模型 | 第25-28页 |
| §2.3.1 压缩机 | 第25-26页 |
| §2.3.2 液氮喷射系统 | 第26-27页 |
| §2.3.3 气氮排出系统 | 第27页 |
| §2.3.4 洞壁传热 | 第27-28页 |
| §2.4 数值积分 | 第28页 |
| §2.5 风洞模型数值试验 | 第28-32页 |
| §2.5.1 压缩机转速变化的影响 | 第29-30页 |
| §2.5.2 1 | 第30页 |
| §2.5.3 2 | 第30-31页 |
| §2.5.4 气氮排出阀门系数变化的影响 | 第31-32页 |
| §2.6 低温风洞动态模型初步试验验证 | 第32-33页 |
| §2.7 小结 | 第33-34页 |
| 第三章 基于神经网络辨识模型的预测控制 | 第34-44页 |
| §3.1 模型预测控制理论研究 | 第34-38页 |
| §3.1.1 模型预测控制基本原理 | 第34-36页 |
| §3.1.2 预测控制系统设计 | 第36-37页 |
| §3.1.3 智能预测控制 | 第37-38页 |
| §3.2 神经网络 | 第38-41页 |
| §3.2.1 神经网络简介 | 第38页 |
| §3.2.2 BP网络 | 第38-41页 |
| §3.3 基于神经网络模型的预测控制 | 第41-42页 |
| §3.4 小结 | 第42-44页 |
| 第四章 低温风洞神经网络预测控制算法设计 | 第44-53页 |
| §4.1 控制算法概述 | 第44页 |
| §4.2 神经网络预测模型 | 第44-48页 |
| §4.2.1 神经网络预测模型 | 第44-45页 |
| §4.2.2 网络结构 | 第45-46页 |
| §4.2.3 神经网络模型前向运算 | 第46-47页 |
| §4.2.4 神经网络误差反向传递及网络学习 | 第47页 |
| §4.2.5 神经网络模型多步预测 | 第47-48页 |
| §4.3 预测控制算法设计 | 第48-51页 |
| §4.3.1 参考轨迹 | 第48-49页 |
| §4.3.2 优化控制器设计 | 第49-51页 |
| §4.4 算法优化 | 第51-52页 |
| §4.4.1 控制器算法改进 | 第51页 |
| §4.4.2 变步长控制 | 第51-52页 |
| §4.5 小结 | 第52-53页 |
| 第五章 低温风洞神经网络预测控制算法仿真 | 第53-59页 |
| §5.1 BP神经网络模型测试 | 第53-54页 |
| §5.2 预测控制系统 | 第54-58页 |
| §5.2.1 多步预测 | 第54-55页 |
| §5.2.2 系统仿真 | 第55-57页 |
| §5.2.3 鲁棒性测试 | 第57-58页 |
| §5.3 本章小节 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| §6.1 总结 | 第59页 |
| §6.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 个人简介 | 第61-62页 |
| 参考文献 | 第62-64页 |
