复杂工业过程的多模型辨识及控制应用研究
摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第19-34页 |
1.1 研究背景及意义 | 第19-20页 |
1.2 复杂工业过程多模型策略的基本原理 | 第20-21页 |
1.3 课题研究现状 | 第21-31页 |
1.3.1 多模型辨识方法 | 第21-26页 |
1.3.2 多模型控制方法 | 第26-31页 |
1.4 存在的不足及有待解决的问题 | 第31-32页 |
1.5 本论文的主要研究内容 | 第32-34页 |
1.5.1 复杂工业过程的多模型辨识及逼近特性 | 第32-33页 |
1.5.2 复杂工业过程多模型在线辨识 | 第33页 |
1.5.3 复杂工业过程多模型的稳定自适应控制 | 第33页 |
1.5.4 复杂工业过程多模型的广义预测控制 | 第33-34页 |
第2章 智能体模糊多模型系统及其逼近特性研究 | 第34-46页 |
2.1 概念描述 | 第34-36页 |
2.1.1 多变量智能体动态网络 | 第35页 |
2.1.2 趋同协议 | 第35-36页 |
2.1.3 模糊T-S模型 | 第36页 |
2.2 智能体模糊多模型系统及其参数辨识 | 第36-38页 |
2.2.1 智能体模糊多模型系统 | 第36-38页 |
2.2.2 智能体模糊多模型系统局部参数的辨识 | 第38页 |
2.3 智能体模糊多模型系统的逼近特性 | 第38-41页 |
2.4 应用及结果 | 第41-45页 |
2.5 本章小结 | 第45-46页 |
第3章 基于熵的聚类多模型及其在线辨识 | 第46-70页 |
3.1 多模型辨识问题描述 | 第47-49页 |
3.1.1 多模型的描述 | 第47-48页 |
3.1.2 基于熵的数据聚类 | 第48-49页 |
3.2 多模型的在线辨识算法 | 第49-53页 |
3.2.1 在线聚类算法 | 第49-51页 |
3.2.2 子模型参数在线递推辨识 | 第51-53页 |
3.3 熵聚类多模型在线辨识算法的应用 | 第53-59页 |
3.4 在线辨识多模型的参数初调算法 | 第59-62页 |
3.4.1 (?)_m(k-1) 的初调 | 第59-60页 |
3.4.2 P(k-1)阵的初调 | 第60-62页 |
3.5 仿真研究 | 第62-69页 |
3.6 本章小结 | 第69-70页 |
第4章 智能体多模型的间接自适应模糊控制 | 第70-81页 |
4.1 问题描述 | 第70-71页 |
4.2 逼近策略 | 第71-72页 |
4.3 间接模糊自适应控制器的设计及稳定性分析 | 第72-74页 |
4.3.1 模糊自适应控制器的设计 | 第72页 |
4.3.2 自适应律及其稳定性分析 | 第72-74页 |
4.4 余热利用过程中的应用 | 第74-80页 |
4.5 本章小结 | 第80-81页 |
第5章 聚类多模型系统的广义预测控制 | 第81-90页 |
5.1 多模型系统预测控制的基本思路 | 第81-82页 |
5.2 多模型系统的广义预测控制算法 | 第82-86页 |
5.3 应用及结果 | 第86-89页 |
5.3.1 数值算例 | 第86-88页 |
5.3.2 电热水器系统的广义预测控制 | 第88-89页 |
5.4 本章小结 | 第89-90页 |
第6章 电站锅炉旋流燃烧器的多模型辨识及控制应用 | 第90-105页 |
6.1 旋流燃烧器的结构及运行原理 | 第90-92页 |
6.2 旋流燃烧器的多模型辨识算法 | 第92-95页 |
6.2.1 旋流燃烧器的聚类多模型系统描述 | 第93页 |
6.2.2 旋流燃烧器系统多模型阶次的辨识 | 第93-94页 |
6.2.3 旋流燃烧器的聚类多模型参数辨识 | 第94-95页 |
6.3 旋流燃烧器多模型广义预测控制策略 | 第95-98页 |
6.4 仿真结果 | 第98-103页 |
6.4.1 阶次辨识结果 | 第98-99页 |
6.4.2 旋流燃烧器多模型辨识结果 | 第99-102页 |
6.4.3 旋流燃烧器多模型广义预测控制结果 | 第102-103页 |
6.5 本章小结 | 第103-105页 |
第7章 结论与展望 | 第105-107页 |
参考文献 | 第107-117页 |
攻读博士学位期间发表的论文及其它成果 | 第117-118页 |
攻读博士学位期间参加的科研工作 | 第118-119页 |
致谢 | 第119-120页 |
作者简介 | 第120页 |