| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-17页 |
| ·选题背景及意义 | 第10页 |
| ·锅炉燃烧系统 | 第10-14页 |
| ·燃烧过程自动调节的任务 | 第11-12页 |
| ·燃烧过程存在的主要问题 | 第12-13页 |
| ·耦合研究简述 | 第13-14页 |
| ·PID 神经元网络研究现状 | 第14-15页 |
| ·粒子群算法研究现状 | 第15页 |
| ·本文的主要工作 | 第15-17页 |
| 2. 火电厂锅炉系统概述 | 第17-30页 |
| ·火电厂大型单元机组 | 第17-19页 |
| ·火电厂单元机组的工作过程 | 第17-18页 |
| ·火电厂的三大系统 | 第18-19页 |
| ·锅炉的构造及主要参数 | 第19-21页 |
| ·锅炉的工作过程 | 第21-23页 |
| ·耦合概述及解耦方法 | 第23-28页 |
| ·解耦控制概述 | 第23-25页 |
| ·解耦具体方法分析 | 第25-28页 |
| ·锅炉燃烧系统解耦策略分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3. 基于锅炉系统的 PID 神经元网络 | 第30-46页 |
| ·神经网络概述 | 第30-31页 |
| ·PID 神经元网络分析 | 第31-33页 |
| ·PID 神经元网络的理论基础 | 第31-32页 |
| ·PID 神经元网络的基本形式 | 第32-33页 |
| ·PID 神经元网络单变量控制 | 第33-36页 |
| ·控制结构与控制器输出计算 | 第33-35页 |
| ·单变量 PID 神经元网络仿真实例 | 第35-36页 |
| ·PID 神经元网络多变量控制 | 第36-39页 |
| ·锅炉燃烧系统解耦仿真 | 第39-45页 |
| ·燃烧系统的 PID 神经元网络模型 | 第40-43页 |
| ·燃烧系统解耦仿真分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 4. 粒子群算法分析与改进 | 第46-61页 |
| ·最优化理论 | 第46页 |
| ·粒子群算法概述 | 第46-49页 |
| ·粒子群算法描述 | 第47-48页 |
| ·粒子群算法主要参数分析 | 第48页 |
| ·粒子群算法优化步骤 | 第48-49页 |
| ·粒子群的改进算法 | 第49-53页 |
| ·粒子群的经典改进算法 | 第50-53页 |
| ·粒子群的先进改进算法 | 第53页 |
| ·改进的简化粒子群算法 | 第53-56页 |
| ·基本粒子群中速度项分析 | 第53-54页 |
| ·改进的简化粒子群（isPSO）算法 | 第54-56页 |
| ·改进粒子群算法测试 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 5. 基于 isPSO-PIDNN 算法的解耦控制 | 第61-67页 |
| ·isPSO-PIDNN 算法概述及基本流程 | 第61-62页 |
| ·锅炉燃烧系统控制系统仿真 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 6. 结论与展望 | 第67-69页 |
| ·论文研究总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74-75页 |