摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第1章 绪论 | 第10-18页 |
1.1 研究背景、目的及意义 | 第10-12页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究目的 | 第11页 |
1.1.3 研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-14页 |
1.2.1 国外研究与应用现状 | 第12-13页 |
1.2.2 国内研究与应用现状 | 第13-14页 |
1.3 研究内容与研究方法 | 第14-18页 |
1.3.1 研究内容 | 第14-15页 |
1.3.2 研究方法 | 第15-18页 |
第2章 研究对象及问题确认 | 第18-29页 |
2.1 定义阶段D—确认研究对象 | 第18-22页 |
2.1.1 主汽温度控制系统 | 第18-19页 |
2.1.2 主汽压力控制系统 | 第19页 |
2.1.3 需要改进的方向 | 第19-22页 |
2.2 测量阶段M—确定问题的改进目标 | 第22-26页 |
2.2.1 主汽温度控制品质问题 | 第22-24页 |
2.2.2 主汽压力控制品质问题 | 第24-26页 |
2.3 分析阶段A—确认问题的关键要素 | 第26-27页 |
2.3.1 因果树鱼刺图分析 | 第26页 |
2.3.2 要因确认 | 第26-27页 |
2.4 更改过程确认 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第3章 方法优化改进 | 第29-45页 |
3.1 改进阶段I—智能控制理论及方法 | 第29-31页 |
3.1.1 智能控制技术特点 | 第29页 |
3.1.2 智能PID控制技术算法特点 | 第29-30页 |
3.1.3 神经网络智能控制 | 第30-31页 |
3.2 改进阶段I—主汽温度系统的智能控制方案 | 第31-37页 |
3.2.1 应用单神经元控制器减小系统误差 | 第32-33页 |
3.2.2 改善单神经元优化函数约束两目标 | 第33-35页 |
3.2.3 ELM辨识时变对象的自适应控制 | 第35-37页 |
3.2.4 基于ELM的单神经元PID复合控制方案 | 第37页 |
3.3 改进阶段I—主汽压力系统应用智能控制方案 | 第37-43页 |
3.3.1 不考虑时滞的SVR逆系统辨识 | 第39-40页 |
3.3.2 考虑时滞的SVR控制器提高系统快速性 | 第40-42页 |
3.3.3 SVR—PID混合控制方案 | 第42-43页 |
3.4 本章小结 | 第43-45页 |
第4章 方法优化控制 | 第45-63页 |
4.1 控制阶段C—形成优化方案固定框架 | 第45-48页 |
4.1.1 构建基于ELM的单神经元PID控制器 | 第45-46页 |
4.1.2 构建SVR-PID复合控制器 | 第46-48页 |
4.2 控制阶段C—建立新型控制器仿真平台 | 第48-62页 |
4.2.1 仿真软件作用 | 第48-49页 |
4.2.2 仿真软件特点 | 第49-50页 |
4.2.3 软件开发环境及工具 | 第50页 |
4.2.4 仿真软件的实现 | 第50-62页 |
4.3 本章小结 | 第62-63页 |
第5章 应用效果验证 | 第63-75页 |
5.1 仿真验证方法 | 第63-64页 |
5.1.1 标称模型 | 第63页 |
5.1.2 摄动模型 | 第63-64页 |
5.2 两目标约束优化控制算法仿真验证 | 第64-67页 |
5.2.1 各项性能指标两模型验证 | 第64-67页 |
5.2.2 两目标约束优化控制算法仿真验证结论 | 第67页 |
5.3 SVR-PID算法仿真验证 | 第67-70页 |
5.3.1 两模型仿真验证 | 第67-69页 |
5.3.2 SVR-PID复合控制器仿真验证结论 | 第69-70页 |
5.4 实际应用验证 | 第70-74页 |
5.4.1 两目标约束优化控制算法(SN+ELM)实际应用验证 | 第70-72页 |
5.4.2 SVR-PID复合控制器应用验证结论 | 第72-74页 |
5.5 本章小结 | 第74-75页 |
第6章 总结与展望 | 第75-76页 |
6.1 总结 | 第75页 |
6.2 展望 | 第75-76页 |
参考文献 | 第76-80页 |
发表的论文及其它成果 | 第80-81页 |
攻读硕士学位期间参加的科研工作 | 第81-82页 |
致谢 | 第82-83页 |
作者简介 | 第83页 |