| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.2.1 脱硝控制系统的现状 | 第10-11页 |
| 1.2.2 神经网络预测控制研究现状 | 第11-12页 |
| 1.3 本文主要完成的工作 | 第12-14页 |
| 第二章 SCR脱硝系统建模与仿真 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 二阶过阻尼系统传递函数辨识方法 | 第14-17页 |
| 2.3 SCR脱硝系统建模 | 第17-26页 |
| 2.3.1 SCR脱硝工艺 | 第17页 |
| 2.3.2 工程试验方法 | 第17-18页 |
| 2.3.3 SCR脱硝系统的系统辨识 | 第18-21页 |
| 2.3.4 模型准确性验证 | 第21-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于串级Smith预估的脱硝控制策略 | 第27-36页 |
| 3.1 引言 | 第27页 |
| 3.2 基于传统控制策略的脱硝控制 | 第27-35页 |
| 3.2.1 基于单回路PID的脱硝控制 | 第27-28页 |
| 3.2.2 基于串级PID的脱硝控制 | 第28-30页 |
| 3.2.3 Smith预估补偿控制 | 第30-32页 |
| 3.2.4 改进的Smith预估补偿控制策略 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于神经网络预测控制的脱硝系统控制策略 | 第36-59页 |
| 4.1 引言 | 第36页 |
| 4.2 多层感知器神经网络模型 | 第36-40页 |
| 4.2.1 多层感知器神经网络模型简介 | 第36-37页 |
| 4.2.2 多层感知器神经网络模型结构 | 第37-38页 |
| 4.2.3 多层感知器神经网络特点 | 第38页 |
| 4.2.4 BP算法数学原理 | 第38-40页 |
| 4.3 广义预测控制 | 第40-44页 |
| 4.3.1 广义预测控制特点 | 第40页 |
| 4.3.2 广义预测控制基本算法 | 第40-44页 |
| 4.4 基于多层感知器神经网络的预测控制 | 第44-53页 |
| 4.4.1 神经网络辨识算法介绍 | 第44-45页 |
| 4.4.2 神经网络模型混联辨识结构 | 第45-47页 |
| 4.4.3 神经网络模型混联辨识算法 | 第47页 |
| 4.4.4 自适应递归最小二乘法 | 第47-50页 |
| 4.4.5 基于神经网络的广义预测控制算法 | 第50-53页 |
| 4.5 仿真研究 | 第53-57页 |
| 4.6 仿真结果对比 | 第57页 |
| 4.7 本章小结 | 第57-59页 |
| 第五章 基于改进的粒子群算法的SCR脱硝控制器参数优化 | 第59-67页 |
| 5.1 引言 | 第59页 |
| 5.2 粒子群算法介绍 | 第59-61页 |
| 5.2.1 基本粒子群算法 | 第59-60页 |
| 5.2.2 改进的粒子群算法 | 第60-61页 |
| 5.3 算法验证 | 第61-63页 |
| 5.3.1 基准测试函数 | 第61-62页 |
| 5.3.2 部分改进粒子群算法 | 第62-63页 |
| 5.3.3 比较结果 | 第63页 |
| 5.4 基于PSO_k的脱硝系统神经网络预测控制器参数优化 | 第63-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文工作总结 | 第67-68页 |
| 6.2 未来工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 硕士期间发表的科研成果 | 第74页 |