| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-23页 |
| ·课题的背景及意义 | 第12页 |
| ·机炉协调控制系统的复杂性及需要解决的问题 | 第12-14页 |
| ·机炉协调控制系统的研究概况 | 第14-18页 |
| ·基于线性系统理论的研究 | 第14-16页 |
| ·基于非线性系统理论的研究 | 第16-17页 |
| ·基于智能化方法的研究 | 第17-18页 |
| ·支持向量机的研究及发展概况 | 第18-21页 |
| ·关于支持向量机的研究 | 第18-19页 |
| ·支持向量机算法的研究 | 第19-21页 |
| ·支持向量机应用的研究 | 第21页 |
| ·本文的主要内容 | 第21-23页 |
| 第2章 支持向量机理论及算法研究 | 第23-44页 |
| ·引言 | 第23页 |
| ·支持向量机回归原理 | 第23-34页 |
| ·线性回归 | 第23-27页 |
| ·非线性回归 | 第27-28页 |
| ·KKT条件 | 第28-29页 |
| ·支持向量机与神经网络的比较研究 | 第29-34页 |
| ·支持向量机回归SMO算法实现 | 第34-43页 |
| ·可行域的分析 | 第34-35页 |
| ·回归问题的解析解 | 第35-39页 |
| ·基于启发式策略的Lagrange乘子选择 | 第39-40页 |
| ·仿真分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 基于滚动时间窗的增量式SVM在线学习算法研究 | 第44-55页 |
| ·引言 | 第44页 |
| ·增量学习算法 | 第44-46页 |
| ·支持向量机的增量学习描述 | 第45页 |
| ·增量支持向量机的收敛性分析 | 第45-46页 |
| ·具体思路 | 第46-47页 |
| ·支持向量的特点分析 | 第47-48页 |
| ·在线学习算法 | 第48-51页 |
| ·增量算法 | 第48-51页 |
| ·减量算法 | 第51页 |
| ·仿真研究 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 基于自适应遗传算法的SVM参数选择研究 | 第55-65页 |
| ·引言 | 第55页 |
| ·SVM核函数类型的选择 | 第55-57页 |
| ·SVM参数选择 | 第57-64页 |
| ·SVM参数对网络性能的影响 | 第57-58页 |
| ·算法的实现 | 第58-61页 |
| ·仿真研究 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 船舶动力装置机炉系统建模研究 | 第65-82页 |
| ·引言 | 第65页 |
| ·机炉系统的数学模型 | 第65-72页 |
| ·炉膛 | 第65-66页 |
| ·蒸发受热面 | 第66-67页 |
| ·过热器 | 第67-68页 |
| ·母管 | 第68页 |
| ·用汽设备 | 第68-69页 |
| ·汽轮机动态特性方程 | 第69-72页 |
| ·系统动态特性分析 | 第72-77页 |
| ·模型参数 | 第72-75页 |
| ·燃料量开环阶跃响应特性仿真 | 第75-76页 |
| ·蒸汽调节阀开环阶跃响应特性仿真 | 第76-77页 |
| ·机炉系统控制方式 | 第77-81页 |
| ·两种基本的机炉控制系统 | 第77-80页 |
| ·机炉协调控制系统 | 第80-81页 |
| ·本章小结 | 第81-82页 |
| 第6章 船舶机炉SVM协调智能控制 | 第82-118页 |
| ·引言 | 第82页 |
| ·基于SVM的逆控制器 | 第82-87页 |
| ·逆系统的基本原理 | 第83-84页 |
| ·MIMO系统的逆系统 | 第84-85页 |
| ·MIMO离散系统的逆系统 | 第85页 |
| ·模型的可逆性 | 第85页 |
| ·基于SVM的α阶逆系统 | 第85-87页 |
| ·SVM复合智能控制器设计 | 第87-91页 |
| ·模糊控制器 | 第89-91页 |
| ·支持向量机逆控制器 | 第91页 |
| ·仿真研究 | 第91-117页 |
| ·船舶机炉广义对象的 SVM模型 | 第91-98页 |
| ·船舶机炉协调 SVM逆控制 | 第98-108页 |
| ·船舶机炉协调复合智能控制系统 | 第108-117页 |
| ·本章小结 | 第117-118页 |
| 结论 | 第118-120页 |
| 参考文献 | 第120-134页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第134-135页 |
| 致谢 | 第135页 |