GA-BP神经网络在主汽温控制系统中的应用
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-10页 |
| ·背景及意义 | 第7-8页 |
| ·课题研究现状 | 第8-9页 |
| ·本文的主要研究内容 | 第9-10页 |
| 第二章 神经网络相关理论 | 第10-21页 |
| ·神经网络的基础知识 | 第10-14页 |
| ·人工神经元的模型 | 第10-12页 |
| ·神经网络的学习方法和学习规则 | 第12页 |
| ·神经网络的类型 | 第12-14页 |
| ·神经网络的特性及应用 | 第14页 |
| ·BP 神经网络 | 第14-19页 |
| ·BP 算法的数学描述 | 第15-18页 |
| ·BP 网络训练算法的改进 | 第18-19页 |
| ·仿真分析 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 遗传算法的相关理论 | 第21-31页 |
| ·基本原理及其特点 | 第21-22页 |
| ·遗传算法的基本实现方法 | 第22-25页 |
| ·GA 基本操作 | 第22页 |
| ·编码 | 第22-23页 |
| ·适应度函数 | 第23-24页 |
| ·遗传算子 | 第24-25页 |
| ·遗传算法的实现步骤 | 第25-26页 |
| ·遗传算法的改进 | 第26-28页 |
| ·遗传算子的改进 | 第26-27页 |
| ·其他改进方法 | 第27-28页 |
| ·仿真分析 | 第28-30页 |
| ·遗传算法寻优 | 第28页 |
| ·遗传算法求函数的极大值 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 主汽温神经网络建模 | 第31-42页 |
| ·锅炉主蒸汽温度控制系统的特点 | 第31-34页 |
| ·锅炉主蒸汽温度对象的一般特性 | 第31页 |
| ·主蒸汽温度控制对象的动态特性 | 第31-32页 |
| ·主汽温常见控制策略 | 第32页 |
| ·新型主汽温控制策略 | 第32-33页 |
| ·主汽温控制系统的数学模型 | 第33-34页 |
| ·基于神经网络的系统辨识 | 第34-36页 |
| ·神经网络辨识结构 | 第35页 |
| ·神经网络建模 | 第35-36页 |
| ·神经网络对非线性对象的辨识 | 第36-38页 |
| ·NARMA 模型的参数辨识 | 第36-37页 |
| ·神经网络辨识器及其动态BP 算法 | 第37-38页 |
| ·主汽温对象辨识系统 | 第38-41页 |
| ·仿真分析 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 遗传算法优化 BP 神经网络及应用 | 第42-51页 |
| ·遗传算法优化神经网络 | 第42-44页 |
| ·GA 优化神经网络概述 | 第42-43页 |
| ·优化方案及算法实现 | 第43-44页 |
| ·GA 优化具体实现 | 第44-45页 |
| ·仿真分析 | 第45-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 结论与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 在学期间发表的学术论文和参加科研情况 | 第57页 |
