| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题的研究背景和来源 | 第10-11页 |
| ·课题的研究背景 | 第10页 |
| ·课题来源 | 第10-11页 |
| ·人工神经网络系统技术 | 第11-14页 |
| ·人工神经网络的特点 | 第11-12页 |
| ·人工神经网络的发展与现状 | 第12-14页 |
| ·锅炉蒸汽温度控制系统的研究现状 | 第14-15页 |
| ·论文的主要工作 | 第15-16页 |
| 第2章 径向基函数(RBF)神经网络 | 第16-24页 |
| ·RBF 神经网络基本原理 | 第16-20页 |
| ·RBF 神经网络基本结构 | 第16-17页 |
| ·径向基函数与插值问题 | 第17-18页 |
| ·RBF 神经网络正则化方法 | 第18-20页 |
| ·RBF 神经网络常用学习算法 | 第20-23页 |
| ·聚类方法 | 第20-21页 |
| ·梯度训练方法 | 第21-22页 |
| ·正交最小二乘学习算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 火电厂煤粉锅炉蒸汽温度系统 | 第24-32页 |
| ·火电厂煤粉锅炉基本原理 | 第24-25页 |
| ·锅炉蒸汽温度控制系统的理论模型 | 第25-31页 |
| ·锅炉蒸汽温度的动态分析 | 第25-30页 |
| ·锅炉蒸汽温度控制系统 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于 RBF 神经网络的锅炉蒸汽温度系统建模 | 第32-49页 |
| ·非线性系统的 RBF 神经网络辨识 | 第32-36页 |
| ·过程的数学描述 | 第33页 |
| ·RBF 网络系统辨识结构 | 第33-34页 |
| ·RBF 神经网络系统辨识的步骤 | 第34-36页 |
| ·基于混合学习算法的 RBF 神经网络 | 第36-41页 |
| ·减聚类算法 | 第36-37页 |
| ·改进的 K-means 算法的原理及步骤 | 第37-39页 |
| ·改进的梯度下降法 | 第39-40页 |
| ·利用混合学习算法训练 RBF 神经网络 | 第40-41页 |
| ·基于 RBF 神经网络的锅炉蒸汽温度系统建模 | 第41-47页 |
| ·本章小结 | 第47-49页 |
| 第5章 锅炉蒸汽温度控制系统仿真研究 | 第49-58页 |
| ·PID 控制原理 | 第49-50页 |
| ·RBF 神经网络整定 PID 原理 | 第50-52页 |
| ·RBF 神经网络 PID 整定控制器在系统中的仿真应用 | 第52-57页 |
| ·无扰动时的仿真 | 第53-54页 |
| ·加入蒸汽流量扰动时的仿真 | 第54-56页 |
| ·加入烟气温度扰动时的仿真 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |