| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-15页 |
| 1.1 课题背景和意义 | 第8页 |
| 1.2 国内外研究现状和发展趋势 | 第8-13页 |
| 1.2.1 励磁系统的研究现状和发展趋势 | 第8-11页 |
| 1.2.2 辨识理论的研究现状和发展趋势 | 第11-13页 |
| 1.2.3 现代优化算法的研究现状和发展趋势 | 第13页 |
| 1.3 课题工作 | 第13-15页 |
| 1.3.1 课题所做工作 | 第13-14页 |
| 1.3.2 文章脉络结构 | 第14-15页 |
| 第2章 励磁系统建模 | 第15-30页 |
| 2.1 建模系统结构 | 第15-16页 |
| 2.2 发电机的传递函数 | 第16-18页 |
| 2.3 励磁系统各组成部件的模型和参数 | 第18-28页 |
| 2.3.1 直流励磁机数学模型和参数 | 第18-20页 |
| 2.3.2 交流励磁机数学模型和参数 | 第20-22页 |
| 2.3.3 不可控三相全波整流桥数学模型和参数 | 第22-23页 |
| 2.3.4 静止励磁机数学模型和参数 | 第23-24页 |
| 2.3.5 自动电压调节器数学模型和参数 | 第24-27页 |
| 2.3.6 电力系统稳定器数学模型和参数 | 第27-28页 |
| 2.3.7 各种限制和保护数学模型和参数 | 第28页 |
| 2.4 励磁系统模型的建立 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 励磁系统的参数辨识 | 第30-53页 |
| 3.1 频域法辨识原理 | 第31-32页 |
| 3.2 时域法辨识原理 | 第32-34页 |
| 3.3 基于改进遗传算法的非线性发电机励磁系统参数辨识 | 第34-45页 |
| 3.3.1 遗传算法基本原理 | 第35-38页 |
| 3.3.2 遗传算法改进方案 | 第38-39页 |
| 3.3.3 改进遗传算法基本原理 | 第39-42页 |
| 3.3.4 matlab实例分析 | 第42-45页 |
| 3.4 基于支持向量机和粒子群算法的励磁系统频域辨识 | 第45-52页 |
| 3.4.1 支持向量机基本原理 | 第46-47页 |
| 3.4.2 粒子群算法基本原理 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于神经网络的励磁系统控制设计 | 第53-63页 |
| 4.1 控制系统 | 第53-54页 |
| 4.2 基础理论 | 第54-57页 |
| 4.2.1 变精度粗糙集理论 | 第54-56页 |
| 4.2.2 RBF神经网络理论 | 第56-57页 |
| 4.3 基于神经网络的励磁控制系统设计 | 第57-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 总结 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67页 |