| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景 | 第10页 |
| 1.2 国内外中小型水电站发展状况 | 第10-11页 |
| 1.2.1 国内状况 | 第10-11页 |
| 1.2.2 国外情况 | 第11页 |
| 1.3 水电站闸门控制的主要目标以及控制过程中需要研究的主要问题 | 第11-12页 |
| 1.3.1 主要目标 | 第11页 |
| 1.3.2 闸门控制中需要研究的主要问题 | 第11-12页 |
| 1.4 近年来水电站控制系统中采用的新技术、新理念 | 第12-14页 |
| 1.4.1 采用双主机冗余、网络冗余 | 第12页 |
| 1.4.2 采用分层分布式、集散控制系统 | 第12-13页 |
| 1.4.3 采用PLC直接上网的技术 | 第13页 |
| 1.4.4 采用无主设计的概念 | 第13-14页 |
| 1.4.5 采用现场总线、标准化技术 | 第14页 |
| 1.5 闸门控制领域控制技术发展历程 | 第14-16页 |
| 1.5.1 最早的手动控制模式 | 第14页 |
| 1.5.2 机电控制闸门方式 | 第14-15页 |
| 1.5.3 下游常水位后浮箱水力自动控制闸门 | 第15页 |
| 1.5.4 以单片机集成电路为主控单元的电脑闸门控制 | 第15页 |
| 1.5.5 PLC闸门控制方式 | 第15-16页 |
| 1.6 本章小结 | 第16-18页 |
| 第2章 神经网络概述 | 第18-34页 |
| 2.1 人工神经网络简述 | 第18-21页 |
| 2.1.1 人工神经网络的定义 | 第18-19页 |
| 2.1.2 人工神经网络的特点 | 第19-20页 |
| 2.1.3 人工神经网络的性质 | 第20-21页 |
| 2.2 人工神经网络的基本构成单元 | 第21-25页 |
| 2.2.1 生物神经元 | 第21页 |
| 2.2.2 人工神经元 | 第21-22页 |
| 2.2.3 人工神经网络的构成 | 第22-24页 |
| 2.2.4 人工神经元的输入输出特性曲线 | 第24-25页 |
| 2.3 人工神经网络的学习规则 | 第25-27页 |
| 2.3.1 纠错学习规则 | 第25-26页 |
| 2.3.2 随机学习规则 | 第26页 |
| 2.3.3 竞争学习规则 | 第26-27页 |
| 2.4 反向传播算法神经网络（BP） | 第27-31页 |
| 2.4.1 BP神经网络的特点 | 第27-28页 |
| 2.4.2 BP神经网络模型自身学习步骤 | 第28页 |
| 2.4.3 BP神经网络参数的计算 | 第28-30页 |
| 2.4.4 BP神经网络算法的不足和改进 | 第30-31页 |
| 2.5 本章小结 | 第31-34页 |
| 第3章 基于BP神经网络的PID算法 | 第34-40页 |
| 3.1 PID控制原理及控制参数 | 第34-35页 |
| 3.1.1 比例作用对系统性能影响 | 第34页 |
| 3.1.2 积分作用对系统性能影响 | 第34-35页 |
| 3.1.3 微分作用对系统性能影响 | 第35页 |
| 3.2 基于BP神经网络的PID控制算法 | 第35-38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 泄水闸门自动控制系统 | 第40-46页 |
| 4.1 研究的对象 | 第40页 |
| 4.1.1 电站基本参数情况 | 第40页 |
| 4.1.2 电站闸门情况 | 第40页 |
| 4.2 研究采用的方法 | 第40-41页 |
| 4.3 影响泄水闸门控制的参数分析 | 第41页 |
| 4.4 控制系统构成 | 第41-42页 |
| 4.5 控制模块具体控制方法 | 第42-43页 |
| 4.6 仿真模拟 | 第43-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 RBF神经网络控制PID参数 | 第46-54页 |
| 5.1 RBF神经网络的发展 | 第46页 |
| 5.2 RBF神经网络结构 | 第46-47页 |
| 5.3 RBF神经网络的常用学习算法 | 第47-48页 |
| 5.4 RBF神经网络控制系统设计 | 第48-49页 |
| 5.5 RBF网络PID整定原理 | 第49-50页 |
| 5.6 仿真结果及比较 | 第50-51页 |
| 5.7 本章小结 | 第51-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60页 |
