基于迭代学习控制的钢管感应加热温度控制研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 钢管感应加热概述 | 第11-14页 |
| 1.1.1 感应加热技术的由来 | 第11-12页 |
| 1.1.2 钢管涂覆工艺 | 第12-13页 |
| 1.1.3 感应加热温度控制难点 | 第13-14页 |
| 1.2 感应加热过程建模与温度控制研究现状 | 第14-19页 |
| 1.2.1 感应加热过程数值求解方法的研究 | 第14-17页 |
| 1.2.2 感应加热过程温度控制的研究 | 第17-19页 |
| 1.3 迭代学习控制概述 | 第19-23页 |
| 1.3.1 迭代学习控制的发展 | 第19-20页 |
| 1.3.2 迭代学习研究内容与现状 | 第20-23页 |
| 1.4 本文研究内容 | 第23-25页 |
| 1.4.1 研究内容及章节安排 | 第23页 |
| 1.4.2 技术路线 | 第23-25页 |
| 第2章 钢管涂覆感应加热过程机理建模 | 第25-36页 |
| 2.1 钢管网格划分 | 第25-26页 |
| 2.2 涡流场求解 | 第26-27页 |
| 2.2.1 集肤效应 | 第26页 |
| 2.2.2 涡流功率计算 | 第26-27页 |
| 2.3 温度场热力学模型 | 第27-32页 |
| 2.3.1 热传导 | 第28页 |
| 2.3.2 热辐射 | 第28-29页 |
| 2.3.3 节点微分方程 | 第29-32页 |
| 2.4 状态方程描述 | 第32-34页 |
| 2.5 连续系统离散化 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 钢管感应加热模型参数整定与验证 | 第36-48页 |
| 3.1 感应加热实验装置 | 第36-38页 |
| 3.2 电压调整策略 | 第38-39页 |
| 3.3 数据预处理 | 第39-42页 |
| 3.3.1 数据截取 | 第39-41页 |
| 3.3.2 数据平滑与重采样 | 第41-42页 |
| 3.4 仿真 | 第42-46页 |
| 3.4.1 初始参数 | 第42-43页 |
| 3.4.2 钢管吸收功率 | 第43-44页 |
| 3.4.3 仿真结果 | 第44-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第4章 钢管感应加热的迭代学习控制 | 第48-57页 |
| 4.1 引言 | 第48页 |
| 4.2 基于QILC端部迭代学习控制 | 第48-54页 |
| 4.2.1 系统方程 | 第48-49页 |
| 4.2.2 优化学习算法 | 第49-51页 |
| 4.2.3 仿真 | 第51-54页 |
| 4.3 改进的最优化性能指标迭代学习律 | 第54-56页 |
| 4.3.1 优化学习算法 | 第54-55页 |
| 4.3.2 收敛性证明 | 第55页 |
| 4.3.3 仿真 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 感应加热温度控制软件原型系统开发 | 第57-65页 |
| 5.1 引言 | 第57页 |
| 5.2 系统设计 | 第57-63页 |
| 5.2.1 需求概述 | 第57页 |
| 5.2.2 系统方案 | 第57-58页 |
| 5.2.3 ILC算法驱动架构 | 第58-59页 |
| 5.2.4 数据库设计 | 第59-62页 |
| 5.2.5 界面设计 | 第62-63页 |
| 5.3 效果展示 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 附录 | 第74页 |
