| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 引言 | 第8-9页 |
| 第一章 绪论 | 第9-21页 |
| ·概述 | 第9-10页 |
| ·渠道运行自动控制的概念 | 第10-11页 |
| ·渠道运行 | 第10页 |
| ·渠道控制 | 第10-11页 |
| ·渠道自动控制的特点 | 第11-16页 |
| ·被考虑的变量 | 第11-12页 |
| ·控制逻辑 | 第12-13页 |
| ·控制的基本部件 | 第13-16页 |
| ·国内外研究渠道自动控制的现状及发展趋势 | 第16-20页 |
| ·本文研究内容 | 第20-21页 |
| 第二章 明渠非恒定渐变流及特征线解法 | 第21-31页 |
| ·圣维南方程 | 第21-22页 |
| ·圣维南方程组解法简述 | 第22-23页 |
| ·圣维南方程的特征线解法 | 第23-28页 |
| ·圣维南方程组的特征线方程和特征方程 | 第23-24页 |
| ·特征线解法 | 第24-26页 |
| ·边界点的计算 | 第26-28页 |
| ·特征差分格式的稳定条件 | 第28页 |
| ·过闸流量的计算 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第三章 数字PID及神经网络基础 | 第31-42页 |
| ·PID控制原理 | 第31-32页 |
| ·数字PID控制算法 | 第32-38页 |
| ·位置式PID控制算法 | 第33-35页 |
| ·增量式PID控制算法 | 第35-37页 |
| ·采样周期的选择 | 第37-38页 |
| ·数字PID控制算法的改进 | 第38页 |
| ·神经网络基础 | 第38-41页 |
| ·神经网络的优越性 | 第39-40页 |
| ·BP神经网络的结构和学习算法 | 第40-41页 |
| ·神经网络PID控制 | 第41页 |
| ·小结 | 第41-42页 |
| 第四章 基于单神经元的渠系PID控制 | 第42-68页 |
| ·渠道PID控制器 | 第42-46页 |
| ·渠系运行方式的选择 | 第42-44页 |
| ·渠池的概念 | 第44-45页 |
| ·控制目标 | 第45页 |
| ·控制模型及控制过程 | 第45-46页 |
| ·基于单神经元的渠道运行PID控制器 | 第46-59页 |
| ·单神经元自适应PID控制器及其学习算法 | 第46-53页 |
| ·单渠池运行控制 | 第53-54页 |
| ·多渠池串联效应 | 第54-59页 |
| ·仿真实例 | 第59-66页 |
| ·算例 | 第59-64页 |
| ·算例二 | 第64-66页 |
| ·小结 | 第66-68页 |
| 第五章 基于神经网络的渠系PID控制 | 第68-81页 |
| ·基于BP神经网络K_P、K_I、K_D参数自学习的PID控制器 | 第68-74页 |
| ·基于BP神经网络的渠系PID控制模型 | 第74-75页 |
| ·模型的计算机求解 | 第75-77页 |
| ·仿真实例 | 第77-80页 |
| ·算例 | 第77-80页 |
| ·小结 | 第80-81页 |
| 第六章 总结与展望 | 第81-83页 |
| ·总结 | 第81-82页 |
| ·展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87页 |