| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 引言 | 第7页 |
| 1.2 单元机组协调控制 | 第7-8页 |
| 1.3 广义预测控制综述 | 第8-9页 |
| 1.4 模糊神经网络研究现状 | 第9-12页 |
| 1.4.1 模糊系统发展概况 | 第9-10页 |
| 1.4.2 神经网络发展概况 | 第10-11页 |
| 1.4.3 模糊逻辑与神经网络的结合 | 第11-12页 |
| 1.5 本文主要研究内容 | 第12-13页 |
| 第二章 火电厂单元机组协调控制系统分析 | 第13-21页 |
| 2.1 单元机组协调控制工艺特性介绍 | 第13-15页 |
| 2.1.1 锅炉特性 | 第13-14页 |
| 2.1.2 汽轮发电机特性 | 第14-15页 |
| 2.2 单元机组的任务和指标要求 | 第15-16页 |
| 2.3 基本的单元机组负荷控制方式 | 第16-18页 |
| 2.3.1 锅炉跟随汽轮机 | 第16-17页 |
| 2.3.2 汽机跟随锅炉 | 第17-18页 |
| 2.4 单元机组协调控制 | 第18-21页 |
| 2.4.1 单元机组协调控制系统的特点 | 第18-19页 |
| 2.4.2 单元机组协调控制系统的阶跃响应 | 第19-20页 |
| 2.4.3 单元机组的动态特性的特点 | 第20-21页 |
| 第三章 模糊神经网络广义预测控制 | 第21-37页 |
| 3.1 预测控制 | 第21-24页 |
| 3.1.1 预测控制的结构 | 第21-22页 |
| 3.1.2 预测控制的基本原理 | 第22-24页 |
| 3.2 广义预测控制（GPC） | 第24-27页 |
| 3.2.1 GPC算法 | 第24-27页 |
| 3.2.2 GPC算法的特点 | 第27页 |
| 3.3 模糊神经网络（FNN） | 第27-32页 |
| 3.3.1 基于Mamdani推理的模糊神经网络 | 第27-30页 |
| 3.3.2 学习算法 | 第30-32页 |
| 3.4 基于模糊神经网络的广义预测控制（FNN-GPC） | 第32-37页 |
| 第四章 单元机组协调控制系统仿真研究 | 第37-46页 |
| 4.1 FNN网络的模型辨识 | 第37-40页 |
| 4.1.1 FNN网络初始化设置 | 第37-38页 |
| 4.1.2 辨识结果与分析 | 第38-40页 |
| 4.2 GPC控制器参数的选取规则 | 第40-41页 |
| 4.3 仿真研究 | 第41-46页 |
| 4.3.1 FNN在机组变负荷控制的仿真研究 | 第41-42页 |
| 4.3.2 PID在机组变负荷控制的仿真研究 | 第42-43页 |
| 4.3.3 FNN对于延迟模型的仿真研究 | 第43-46页 |
| 结论与展望 | 第46-48页 |
| 1 结论 | 第46页 |
| 2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 个人简介 | 第52页 |