| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-15页 |
| ·选题背景和意义 | 第9页 |
| ·参数辨识简述 | 第9-10页 |
| ·辨识的定义 | 第9-10页 |
| ·辨识方法分类 | 第10页 |
| ·电力系统参数辨识的特点 | 第10-11页 |
| ·电力系统参数辨识算法的研究现状 | 第11-14页 |
| ·基于频域法的参数辨识方法 | 第11页 |
| ·基于最小二估计法的参数辨识法 | 第11-12页 |
| ·基于卡尔曼滤波的参数辨识法 | 第12页 |
| ·基于极大似然法的参数辨识法 | 第12页 |
| ·基于分段线性多项式函数法的参数辨识法 | 第12-13页 |
| ·基于遗传算法的参数辨识法 | 第13页 |
| ·基于人工神经网络的参数辨识法 | 第13页 |
| ·基于粒子群优化算法的参数辨识法 | 第13-14页 |
| ·论文主要工作 | 第14-15页 |
| 2 励磁系统数学模型及其分析 | 第15-21页 |
| ·励磁调节系统的数学模型 | 第15-19页 |
| ·同步发电机传递函数 | 第15-16页 |
| ·励磁调节器的数学模型 | 第16-17页 |
| ·电力系统稳定器(PSS)的数学模型 | 第17-18页 |
| ·交流励磁机的数学模型 | 第18-19页 |
| ·完整的励磁系统数学模型 | 第19页 |
| ·MATLAB应用于励磁系统参数的辨识 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 基于时域辨识法的发电机励磁系统参数识别 | 第21-29页 |
| ·最小二乘估计算法的基本原理 | 第21-22页 |
| ·广义递推最小二乘法(GRLS) | 第22-25页 |
| ·扰动信号 | 第25-26页 |
| ·伪随机信号(伪随机码) | 第25-26页 |
| ·基于广义递推最小二乘法(GRLS)的励磁系统线性环节参数识别 | 第26-28页 |
| ·参数辨识 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 4 基于遗传算法的参数辨识 | 第29-54页 |
| ·遗传算法(GA)简介 | 第29-30页 |
| ·遗传算法基本原理 | 第29-30页 |
| ·改进GA在励磁系统系统参数辨识中应用 | 第30-34页 |
| ·编码原则的改进 | 第30-31页 |
| ·适应度函数的改进 | 第31页 |
| ·遗传算子的改进 | 第31-32页 |
| ·辨识原理和流程 | 第32-34页 |
| ·GA算法辨识交流他励励磁系统模型 | 第34-52页 |
| ·单环节辨识 | 第35-48页 |
| ·整体辨识 | 第48-52页 |
| ·本章小结 | 第52-54页 |
| 5 基于人工神经网络的系统参数辨识 | 第54-73页 |
| ·人工神经元模型 | 第54-55页 |
| ·ANN的模型分类 | 第55页 |
| ·神经网络(ANN)的学习方法 | 第55-57页 |
| ·BP神经网络及其改进 | 第57-62页 |
| ·BP神经元及网络模型 | 第57-58页 |
| ·BP网络的训练算法 | 第58-61页 |
| ·BP网络的不足和改进方法 | 第61-62页 |
| ·算例分析 | 第62-64页 |
| ·基于人工神经网络的发电机励磁系统参数识别 | 第64-72页 |
| ·基于改进ANN的励磁系统参数辨识 | 第64-66页 |
| ·运用MATLAB实现励磁系统参数辨识 | 第66-72页 |
| ·本章小结 | 第72-73页 |
| 6 论文总结 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 附录 | 第79页 |