智能预测控制策略研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·预测控制简介 | 第10-14页 |
| ·预测控制的基本原理 | 第10-12页 |
| ·预测控制的发展 | 第12页 |
| ·预测控制存在的问题 | 第12-14页 |
| ·智能控制简介 | 第14-16页 |
| ·智能控制理论的基本算法思想 | 第14-15页 |
| ·智能控制的应用 | 第15-16页 |
| ·智能预测控制的国内外研究现状及分析 | 第16-18页 |
| ·智能预测控制的研究现状 | 第16-17页 |
| ·目前智能预测控制存在的主要问题 | 第17-18页 |
| ·本文的主要工作 | 第18-19页 |
| 2 神经网络预测模型的研究 | 第19-37页 |
| ·神经网络基础 | 第19-21页 |
| ·基于BP神经网络的预测模型 | 第21-25页 |
| ·BP学习算法的原理 | 第21-23页 |
| ·基于BP神经网络的预测模型 | 第23-25页 |
| ·基于PSO-BP算法的神经网络预测模型 | 第25-36页 |
| ·BP神经网络预测模型存在的问题 | 第25-26页 |
| ·常用的BP算法改进方法 | 第26-27页 |
| ·粒子群优化算法 | 第27-29页 |
| ·PSO-BP神经网络预测模型及仿真 | 第29-36页 |
| ·小结 | 第36-37页 |
| 3 基于神经网络的反馈校正方法 | 第37-42页 |
| ·常用反馈校正方法 | 第37页 |
| ·基于神经网络的反馈校正方法 | 第37-41页 |
| ·常用反馈校正方法存在的问题 | 第37-38页 |
| ·改进的反馈校正方法 | 第38页 |
| ·基于神经网络的误差反馈校正方法 | 第38-39页 |
| ·仿真测试 | 第39-41页 |
| ·小结 | 第41-42页 |
| 4 基于SAPSO的滚动优化策略研究 | 第42-52页 |
| ·非线性预测控制方法 | 第42-43页 |
| ·SAPSO混合优化算法研究 | 第43-48页 |
| ·模拟退火算法简介 | 第44-45页 |
| ·SAPSO混合算法 | 第45-46页 |
| ·SAPSO混合算法仿真分析 | 第46-48页 |
| ·SAPSO预测控制算法研究 | 第48-51页 |
| ·SAPSO滚动优化策略 | 第48-49页 |
| ·仿真分析 | 第49-51页 |
| ·小结 | 第51-52页 |
| 5 酸碱中和反应中PH值的智能预测控制 | 第52-63页 |
| ·酸碱中和反应过程 | 第52-54页 |
| ·PH的定义 | 第52页 |
| ·酸碱中和反应 | 第52-54页 |
| ·常用PH值控制方法 | 第54-55页 |
| ·基于智能预测控制算法的PH值控制 | 第55-58页 |
| ·酸碱中和反应PH值预测控制思想描述 | 第55-56页 |
| ·PH值的智能预测控制策略研究 | 第56-58页 |
| ·仿真测试 | 第58-62页 |
| ·小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录A 神经网络预测模型样本 | 第69-73页 |
| 附录B 神经网络校正样本 | 第73-75页 |
| 附录C PH值智能预测控制样本 | 第75-77页 |
| 攻读学位期间的研究成果 | 第77页 |
