| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-19页 |
| ·课题的研究背景和意义 | 第12-13页 |
| ·课题来源 | 第12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·优化技术在火力发电中的应用现状和前景 | 第13页 |
| ·混沌优化方法的发展动态 | 第13-16页 |
| ·本文的主要工作 | 第16-19页 |
| 2 混沌动力学理论 | 第19-32页 |
| ·引言 | 第19页 |
| ·混沌的定义 | 第19-21页 |
| ·混沌的定性特征 | 第21-22页 |
| ·典型的混沌映射系统 | 第22-31页 |
| ·Logistic映射及其特征 | 第22-24页 |
| ·Tent映射及改进型Tent映射 | 第24-26页 |
| ·Skew Tent映射改进模型及数值比较 | 第26-28页 |
| ·其它映射举例 | 第28-31页 |
| ·小结 | 第31-32页 |
| 3 混沌混合优化方法研究 | 第32-49页 |
| ·引言 | 第32页 |
| ·基本混沌优化方法 | 第32-36页 |
| ·混沌优化的基本思想 | 第32-34页 |
| ·基本混沌优化算法的步骤 | 第34-35页 |
| ·混沌优化的缺陷 | 第35-36页 |
| ·混沌优化和模式搜索结合的混合算法研究 | 第36-39页 |
| ·模式搜索法 | 第36-38页 |
| ·一种新的混沌优化和模式搜索结合的混合算法 | 第38页 |
| ·混沌优化和模式搜索结合的混合算法的步骤 | 第38-39页 |
| ·数值仿真 | 第39页 |
| ·混沌粒子群混合优化算法研究 | 第39-47页 |
| ·粒子群优化算法 | 第40-41页 |
| ·粒子群优化算法的早熟现象及解决办法 | 第41-43页 |
| ·混沌粒子群优化算法的改进及计算步骤 | 第43-44页 |
| ·数值仿真 | 第44-47页 |
| ·小结 | 第47-49页 |
| 4 基于混沌优化和模式搜索混合优化算法的非线性负荷预测控制 | 第49-58页 |
| ·引言 | 第49页 |
| ·单元机组模型的建立 | 第49-51页 |
| ·锅炉核心模型描述 | 第49-51页 |
| ·磨煤机及水冷擘动态模型的建立 | 第51页 |
| ·单元机组动念模型 | 第51页 |
| ·基于混沌优化的非线性预测控制 | 第51-55页 |
| ·预测控制介绍 | 第51-52页 |
| ·基于混沌优化和模式搜索混合优化算法的非线性预测控制 | 第52-54页 |
| ·NARMAX模型离散系统的控制效果分析 | 第54-55页 |
| ·基于混沌混合优化算法的单元机组负荷非线性预测控制仿真研究 | 第55-57页 |
| ·小结 | 第57-58页 |
| 5 基于混沌粒子群的汽轮机调节系统RBF-PID控制 | 第58-68页 |
| ·引言 | 第58页 |
| ·汽轮机调节系统动念特性 | 第58-59页 |
| ·系统概述 | 第58-59页 |
| ·系统的数学模型 | 第59页 |
| ·基于RBF神经网络整定的PID控制 | 第59-63页 |
| ·RBF神经网络结构 | 第59-61页 |
| ·RBF神经网络PID整定原理 | 第61-62页 |
| ·基于混沌粒子群优化的RBF神经网络PID控制 | 第62-63页 |
| ·仿真结果分析 | 第63-66页 |
| ·小结 | 第66-68页 |
| 6 基于神经网络反馈线性化的单机无穷大系统控制 | 第68-72页 |
| ·引言 | 第68页 |
| ·单机无穷大系统的数学模型 | 第68-69页 |
| ·基于混沌粒子群训练的神经网络的反馈线性化控制原理 | 第69-70页 |
| ·仿真研究 | 第70-71页 |
| ·小结 | 第71-72页 |
| 7 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简历 | 第78-80页 |
| 学位论文数据集 | 第80页 |
