| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 论文研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 焦炉集气管压力系统建模现状 | 第11-12页 |
| 1.2.2 焦炉集气管压力系统控制方案研究现状 | 第12-15页 |
| 1.3 本文研究内容 | 第15-18页 |
| 第2章 焦炉集气工艺与特性分析 | 第18-24页 |
| 2.1 焦炉工艺介绍 | 第18-20页 |
| 2.2 焦炉集气管对象特性分析 | 第20-23页 |
| 2.2.1 焦炉集气管的基本组成 | 第20-21页 |
| 2.2.2 焦炉集气管压力影响因素分析 | 第21-22页 |
| 2.2.3 焦炉集气管压力控制难点 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 焦炉集气管压力系统建模 | 第24-34页 |
| 3.1 系统建模的必要性和建模方法 | 第24-25页 |
| 3.2 焦炉集气管压力系统的机理建模 | 第25-32页 |
| 3.2.1 论文课题背景简要介绍 | 第25-26页 |
| 3.2.2 系统机理建模 | 第26-28页 |
| 3.2.3 仿真验证 | 第28-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 基于PSO优化的无模型自适应解耦控制方法研究 | 第34-62页 |
| 4.1 引言 | 第34-35页 |
| 4.2 无模型自适应控制方法的基本原理 | 第35-44页 |
| 4.2.1 SISO离散时间非线性系统泛模型的定义 | 第36-38页 |
| 4.2.2 MFAC控制律算法与特征参量辨识 | 第38-40页 |
| 4.2.3 无模型自适应控制器的稳定性与收敛性 | 第40-43页 |
| 4.2.4 MIMO离散时间非线性系统的无模型自适应控制 | 第43-44页 |
| 4.3 基于RBF神经网络预估的无模型自适应解耦控制算法研究 | 第44-53页 |
| 4.3.1 RBF神经网络结构及工作原理 | 第45-46页 |
| 4.3.2 RBF神经网络常用学习算法 | 第46-48页 |
| 4.3.3 基于RBF神经网络预估的无模型自适应解耦控制算法 | 第48-53页 |
| 4.4 基于PSO优化的NN-MFADC算法研究 | 第53-60页 |
| 4.4.1 粒子群优化算法基本原理 | 第53-57页 |
| 4.4.2 粒子群优化算法的参数选择 | 第57-59页 |
| 4.4.3 基于PSO优化的NN-MFADC算法 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 控制算法仿真研究 | 第62-70页 |
| 5.1 控制算法设计 | 第62页 |
| 5.2 焦炉集气管压力控制算法的仿真验证 | 第62-68页 |
| 5.2.1 基于PSO的NN-MFADC参数优化 | 第63-64页 |
| 5.2.2 焦炉集气管压力系统的MFAC和NN-MFADC仿真研究 | 第64-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78页 |
