| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 火电机组再热汽温控制研究现状 | 第10-11页 |
| 1.3 神经网络技术的研究现状 | 第11-13页 |
| 1.4 内模控制技术的研究现状 | 第13-14页 |
| 1.5 神经网络内模控制的研究现状 | 第14-15页 |
| 1.6 论文主要研究内容 | 第15-17页 |
| 第二章 基于RBF神经网络的再热汽温对象建模 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 RBF神经网络基本理论 | 第17-21页 |
| 2.2.1 RBF神经网络结构和工作原理 | 第17-19页 |
| 2.2.2 RBF网络的学习算法 | 第19-21页 |
| 2.3 再热汽温对象动态特性试验 | 第21-23页 |
| 2.3.1 烟气挡板开度阶跃扰动试验 | 第21-22页 |
| 2.3.2 喷水阀门开度阶跃扰动试验 | 第22-23页 |
| 2.4 动态神经网络结构 | 第23-24页 |
| 2.5 仿真研究 | 第24-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 神经网络内模控制在再热汽温对象中的应用 | 第31-53页 |
| 3.1 引言 | 第31页 |
| 3.2 基于神经网络的逆系统辨识 | 第31-37页 |
| 3.2.1 系统的可逆性分析 | 第31-32页 |
| 3.2.2 非线性系统逆模型 | 第32-33页 |
| 3.2.3 神经网络逆模型辨识 | 第33-37页 |
| 3.3 内模控制 | 第37-41页 |
| 3.3.1 内模控制基本原理及其公式推导 | 第37-38页 |
| 3.3.2 内模控制器的实现问题 | 第38-39页 |
| 3.3.3 内模控制器的设计 | 第39-40页 |
| 3.3.4 基于神经网络的内模控制 | 第40-41页 |
| 3.4 集成经济性性能指标 | 第41-42页 |
| 3.5 DCS中的再热汽温控制方法 | 第42页 |
| 3.6 仿真研究 | 第42-51页 |
| 3.7 本章小结 | 第51-53页 |
| 第四章 改进的RBF神经网络再热汽温内模控制 | 第53-71页 |
| 4.1 引言 | 第53页 |
| 4.2 遗传算法 | 第53-57页 |
| 4.2.1 遗传算法的原理和操作 | 第53-55页 |
| 4.2.2 递阶遗传算法的结构和原理 | 第55-56页 |
| 4.2.3 使用递阶遗传算法优化RBF神经网络 | 第56-57页 |
| 4.3 基于递阶遗传算法的RBF神经网络训练 | 第57-59页 |
| 4.3.1 递阶遗传算法的参数设计 | 第57-59页 |
| 4.3.2 递阶遗传算法优化RBF神经网络建模的主要步骤 | 第59页 |
| 4.4 仿真研究 | 第59-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 论文主要内容总结 | 第71-72页 |
| 5.2 未来工作展望 | 第72-73页 |
| 附录 | 第73-79页 |
| 附录A：优化前再热汽温RBF神经网络正模型(NNM)隐含层中心值 | 第73-74页 |
| 附录B：优化前再热汽温RBF神经网络逆模型(NNC)隐含层中心值 | 第74-75页 |
| 附录C：优化后再热汽温RBF神经网络正模型(NNM)隐含层中心值 | 第75-76页 |
| 附录D：优化后再热汽温RBF神经网络逆模型(NNC)隐含层中心值 | 第76-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 作者在研究生期间主要学术成果 | 第85页 |
