摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第15-28页 |
1.1 课题研究的背景及意义 | 第15-17页 |
1.2 国内外火电机组建模研究动态 | 第17-26页 |
1.2.1 火电机组建模研究现状 | 第17-22页 |
1.2.2 多变量系统建模研究现状 | 第22-24页 |
1.2.3 大数据在建模研究中的应用 | 第24-26页 |
1.3 本文研究内容和章节安排 | 第26-28页 |
第2章 建模的基本理论与方法 | 第28-51页 |
2.1 引言 | 第28页 |
2.2 过程的数学描述 | 第28-32页 |
2.2.1 微分方程模型 | 第28-30页 |
2.2.2 偏微分方程模型 | 第30页 |
2.2.3 差分方程模型 | 第30页 |
2.2.4 传递函数模型 | 第30-31页 |
2.2.5 状态模型 | 第31页 |
2.2.6 “黑箱”模型 | 第31-32页 |
2.3 机理建模方法 | 第32-33页 |
2.4 试验建模方法 | 第33-49页 |
2.4.1 经典辨识法 | 第34-35页 |
2.4.2 现代辨识法 | 第35-49页 |
2.5 复合建模方法 | 第49-50页 |
2.6 本章小结 | 第50-51页 |
第3章 双量子粒子群及其改进算法 | 第51-69页 |
3.1 引言 | 第51页 |
3.2 基本量子粒子群算法 | 第51-56页 |
3.2.1 粒子编码量子化的PSO算法(QPSO_1) | 第51-54页 |
3.2.2 进化机制量子化的PSO算法(QPSO_2) | 第54-56页 |
3.3 双量子粒子群算法 | 第56-60页 |
3.3.1 算法描述 | 第56页 |
3.3.2 DQPSO的收敛性分析 | 第56-58页 |
3.3.3 算法性能测试 | 第58-60页 |
3.4 带有加速度因子的DQPSO算法 | 第60-63页 |
3.4.1 算法描述 | 第60-63页 |
3.4.2 算法性能测试 | 第63页 |
3.5 基于Memetic框架的DQPSO算法 | 第63-66页 |
3.5.1 算法描述 | 第63-66页 |
3.5.2 算法性能测试 | 第66页 |
3.6 本章小结 | 第66-69页 |
第4章 基于大数据的多变量系统建模 | 第69-104页 |
4.1 引言 | 第69页 |
4.2 历史大数据的选取与预处理 | 第69-80页 |
4.2.1 大数据的获取及特性分析 | 第69-72页 |
4.2.2 建模数据的筛选原则 | 第72-78页 |
4.2.3 数据的预处理 | 第78-80页 |
4.3 多变量系统辨识方案 | 第80-90页 |
4.3.1 模型集的选取 | 第81-83页 |
4.3.2 多变量系统辨识的问题 | 第83-86页 |
4.3.3 多变量系统复合建模方案 | 第86-90页 |
4.4 基于大数据的协调控制系统建模 | 第90-103页 |
4.4.1 协调控制系统分析 | 第90-91页 |
4.4.2 阶跃扰动试验及粗糙模型辨识 | 第91-96页 |
4.4.3 机组历史大数据的选取 | 第96-98页 |
4.4.4 基于现场数据的模型校正 | 第98-103页 |
4.5 本章小结 | 第103-104页 |
第5章 多变量系统全局非线性模型的建立方法 | 第104-126页 |
5.1 引言 | 第104页 |
5.2 过热汽温系统全局非线性模型的建立 | 第104-112页 |
5.2.1 过热汽温对象特性分析 | 第105-106页 |
5.2.2 过热汽温LPV模型辨识方案 | 第106-107页 |
5.2.3 辨识方案测试 | 第107-109页 |
5.2.4 过热汽温系统模型辨识及验证 | 第109-112页 |
5.3 协调控制系统全局非线性模型的建立 | 第112-125页 |
5.3.1 协调控制系统网络化LPV模型辨识方案 | 第112-115页 |
5.3.2 协调控制系统模型辨识 | 第115-122页 |
5.3.3 辨识模型的验证 | 第122-125页 |
5.4 本章小结 | 第125-126页 |
第6章 结论与展望 | 第126-129页 |
6.1 论文的主要工作和创新点 | 第126-127页 |
6.2 今后的研究方向 | 第127-129页 |
参考文献 | 第129-140页 |
攻读博士学位期间撰写和发表的论文及其它成果 | 第140-141页 |
攻读博士学位期间参加的科研工作 | 第141-142页 |
致谢 | 第142-143页 |
作者简介 | 第143页 |