| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 符号说明 | 第7-11页 |
| 1 绪论 | 第11-15页 |
| 1.1 引言 | 第11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 水轮机调速器的发展 | 第12-13页 |
| 1.4 水轮机调节系统控制策略的发展 | 第13-14页 |
| 1.5 本文的研究主要内容 | 第14-15页 |
| 2 水轮机调节系统的组成和数学模型 | 第15-29页 |
| 2.1 水轮机调节系统的组成 | 第15页 |
| 2.2 水轮机调速器数学模型 | 第15-16页 |
| 2.3 引水系统及水轮机单元的数学模型 | 第16-24页 |
| 2.3.1 压力引水管道中的水击现象 | 第17页 |
| 2.3.2 压力引水管道的数学模型 | 第17-21页 |
| 2.3.3 水轮机数学模型 | 第21-24页 |
| 2.3.4 引水系统及水轮机数学模型 | 第24页 |
| 2.4 发电机及负载的数学模型 | 第24-26页 |
| 2.5 水轮机调节系统的数学模型 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 3 水轮机调节系统的控制理论 | 第29-47页 |
| 3.1 常规PID控制 | 第29-34页 |
| 3.1.1 PID控制器的各校正环节 | 第30页 |
| 3.1.2 典型PID控制算法 | 第30-31页 |
| 3.1.3 改进的PID控制算法 | 第31-33页 |
| 3.1.4 PID参数整定方法 | 第33-34页 |
| 3.2 神经网络控制 | 第34-42页 |
| 3.2.1 神经元模型 | 第34-35页 |
| 3.2.2 神经网络的结构 | 第35-37页 |
| 3.2.3 神经网络学习算法 | 第37-38页 |
| 3.2.4 BP神经网络 | 第38-42页 |
| 3.3 水轮机调节系统的神经网络模型 | 第42-43页 |
| 3.3.1 输入节点和输出节点的选取 | 第42页 |
| 3.3.2 网络层数和各层节点数的选取 | 第42页 |
| 3.3.3 神经网络模型的结构和神经元传递函数的求取 | 第42-43页 |
| 3.3.4 网络初始权值和学习速率的选取 | 第43页 |
| 3.3.5 BP网络的训练 | 第43页 |
| 3.4 基于BP神经网络整定的PID控制 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 BP网络PID控制在调节系统中的设计及仿真 | 第47-57页 |
| 4.1 控制系统仿真任务 | 第47页 |
| 4.2 各环节的传递函数模型及仿真结构图 | 第47-49页 |
| 4.3 系统仿真 | 第49-56页 |
| 4.3.1 仿真软件介绍 | 第49页 |
| 4.3.2 某水电站基本参数 | 第49-50页 |
| 4.3.3 不同运行工况下水轮机传递系数的求取 | 第50-51页 |
| 4.3.4 调节系统的仿真模型 | 第51页 |
| 4.3.5 调节系统的仿真研究 | 第51-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 结束语 | 第57-59页 |
| 5.1 本文总结 | 第57页 |
| 5.2 研究展望 | 第57-59页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |