| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6页 |
| 第一章 绪论 | 第11-34页 |
| 1．1 引言 | 第11-13页 |
| 1．2 预测控制基本原理 | 第13-14页 |
| 1．2．1 预测模型 | 第13页 |
| 1．2．2 滚动优化 | 第13-14页 |
| 1．2．3 反馈校正 | 第14页 |
| 1．3 预测控制的研究概况 | 第14-20页 |
| 1．3．1 预测控制基本算法的发展 | 第14-15页 |
| 1．3．2 自适应模型预测控制 | 第15-16页 |
| 1．3．3 预测函数控制 | 第16-17页 |
| 1．3．4 非线性模型预测控制 | 第17-19页 |
| 1．3．4．1 基于线性化的非线性预测控制 | 第18页 |
| 1．3．4．2 基于特殊模型的非线性预测控制 | 第18-19页 |
| 1．3．4．3 多模型非线性预测控制 | 第19页 |
| 1．3．5 预测控制的工业应用 | 第19-20页 |
| 1．4 智能预测控制的研究概况 | 第20-24页 |
| 1．4．1 模糊预测控制 | 第20-23页 |
| 1．4．1．1 模糊控制与预测控制的外在结合 | 第21页 |
| 1．4．1．2 基于模糊模型的预测控制 | 第21-22页 |
| 1．4．1．3 基于满意优化的模糊预测控制 | 第22-23页 |
| 1．4．2 基于神经网络和遗传算法的预测控制 | 第23-24页 |
| 1．5 本文的研究内容与主要创新点 | 第24-25页 |
| 参考文献 | 第25-34页 |
| 第二章 基于T-S模糊模型的模糊预测控制 | 第34-48页 |
| 2．1 引言 | 第34页 |
| 2．2 模糊预测控制基本原理 | 第34-36页 |
| 2．2．1 广义预测控制基本方法 | 第34-36页 |
| 2．2．2 T-S模糊预测模型 | 第36页 |
| 2．3 模糊GPC的三种结构 | 第36-38页 |
| 2．3．1 第一类结构 | 第37页 |
| 2．3．2 第二类结构 | 第37-38页 |
| 2．3．3 第三类结构 | 第38页 |
| 2．4 仿真研究 | 第38-46页 |
| 2．4．1 T-S模糊模型的辨识 | 第39-42页 |
| 2．4．1．1 单步前向T-S模糊预测模型的辨识 | 第39-41页 |
| 2．4．1．2 多步前向T-S模糊预测模型的辨识 | 第41-42页 |
| 2．4．2 三种FGPC的仿真结果 | 第42-46页 |
| 2．5 小结 | 第46-47页 |
| 参考文献 | 第47-48页 |
| 第三章 模糊预测函数控制在水泥回转窑分解炉温控系统中的应用 | 第48-69页 |
| 3．1 引言 | 第48页 |
| 3．2 预测函数控制方法基本原理 | 第48-53页 |
| 3．2．1 预测函数控制的基本原理 | 第49-51页 |
| 3．2．2 一阶纯滞后对象的预测函数控制 | 第51-53页 |
| 3．3 基于T-S模糊模型的PFC | 第53-54页 |
| 3．4 回转窑分解炉温度控制回路的模糊PFC | 第54-59页 |
| 3．4．1 水泥厂工艺简介 | 第54-55页 |
| 3．4．2 分解炉回路特性分析 | 第55-56页 |
| 3．4．3 基于T-S模型的多模型PFC的控制方案 | 第56-59页 |
| 3．4．3．1 多模型集与控制集 | 第58页 |
| 3．4．3．2 模糊监督器 | 第58-59页 |
| 3．5 模糊PFC在DCS中的实现 | 第59-66页 |
| 3．5．1 回转窑DCS系统设计 | 第59-63页 |
| 3．5．2 基于Plantscape系统的模糊PFC程序实现 | 第63-65页 |
| 3．5．3 应用效果 | 第65-66页 |
| 3．6 小结 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 第四章 基于灰色模型的预测模糊控制研究 | 第69-87页 |
| 4．1 引言 | 第69-70页 |
| 4．2 灰色模型建模理论 | 第70-74页 |
| 4．2．1 灰色系统理论简介 | 第70-72页 |
| 4．2．2 GM预测模型建模步骤 | 第72-74页 |
| 4．3 灰色预测模糊控制设计 | 第74-80页 |
| 4．3．1 灰色预测控制系统结构 | 第74-75页 |
| 4．3．2 等维动态递补新息模型 | 第75-76页 |
| 4．3．3 预测模糊控制器设计 | 第76-77页 |
| 4．3．4 预测步长p对控制器性能的影响 | 第77-80页 |
| 4．4 基于预测步长自调整的灰模预测模糊控制器 | 第80-83页 |
| 4．4．1 预测步长p的自调整机制 | 第80-82页 |
| 4．4．2 灰模预测模糊控制器结构 | 第82-83页 |
| 4．5 仿真研究 | 第83-85页 |
| 4．6 小结 | 第85页 |
| 参考文献 | 第85-87页 |
| 第五章 预测控制与神经网络、遗传算法 | 第87-109页 |
| 5．1 引言 | 第87-88页 |
| 5．2 基于小脑模型神经网络（CMAC）的多步预测模型 | 第88-91页 |
| 5．2．1 CMAC网络的简单回顾 | 第88-89页 |
| 5．2．2 神经网络多步预测模型的结构 | 第89-91页 |
| 5．3 基于CMAC网络的PH值中和过程非线性DMC控制方法 | 第91-98页 |
| 5．3．1 PH中和过程描述 | 第91-93页 |
| 5．3．2 基于DMC的PH值控制存在的问题 | 第93-94页 |
| 5．3．3 基于CMAC网络的非线性DMC控制 | 第94-98页 |
| 5．3．3．1 扩展DMC算法的思想 | 第94-95页 |
| 5．3．3．2 基于CMAC网络的非线性DMC控制算法 | 第95-97页 |
| 5．3．3．3 仿真结果 | 第97-98页 |
| 5．4 遗传算法在NMPC滚动优化中的应用 | 第98-103页 |
| 5．4．1 遗传算法的简单回顾 | 第99-100页 |
| 5．4．2 基于标准遗传算法（SGA）的NMPC滚动优化 | 第100-102页 |
| 5．4．3 基于启发式遗传算法（HGA）的NMPC滚动优化 | 第102-103页 |
| 5．5 仿真研究 | 第103-106页 |
| 参考文献 | 第106-109页 |
| 第六章 结束语 | 第109-112页 |
| 致谢 | 第112-113页 |
| 博士期间参加的研究项目和发表的论文 | 第113页 |
