| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1. 绪论 | 第10-18页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 烧结余热发电控制难点 | 第13-14页 |
| 1.4 现场工艺分析 | 第14-15页 |
| 1.5 课题的研究方法和研究意义 | 第15-16页 |
| 1.5.1 课题的研究方法 | 第15-16页 |
| 1.5.2 课题的研究意义 | 第16页 |
| 1.6 文章章节安排 | 第16-18页 |
| 2. 烧结余热发电工艺分析 | 第18-28页 |
| 2.1 烧结余热发电工艺概述 | 第18-21页 |
| 2.1.1 烧结余热发电系统的组成 | 第18页 |
| 2.1.2 烧结余热发电工艺的流程 | 第18-21页 |
| 2.2 热交换原理分析 | 第21-24页 |
| 2.3 烧结余热发电烟风系统的特性分析 | 第24-25页 |
| 2.4 智能优化控制结构设计 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3. 智能控制理论 | 第28-45页 |
| 3.1 PID 控制及算法 | 第28-33页 |
| 3.1.1 PID 控制基本原理 | 第28-30页 |
| 3.1.2 PID 控制器的参数整定 | 第30-33页 |
| 3.2 模糊理论基础 | 第33-37页 |
| 3.2.1 模糊集合及其运算 | 第33-34页 |
| 3.2.2 模糊关系与模糊变换 | 第34-35页 |
| 3.2.3 模糊语言与模糊函数模型 | 第35-37页 |
| 3.2.4 模糊控制原理 | 第37页 |
| 3.3 神经网络理论基础 | 第37-44页 |
| 3.3.1 神经元模型 | 第37-38页 |
| 3.3.2 神经网络模型 | 第38-40页 |
| 3.3.3 神经网络的学习方法 | 第40-41页 |
| 3.3.4 RBF 神经网络及其算法研究 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 4. 烧结余热发电烟风系统优化控制 | 第45-66页 |
| 4.1 模糊 RBF 神经网络理论 | 第45-48页 |
| 4.1.1 模糊推理和神经网络结合的原理 | 第45-46页 |
| 4.1.2 模糊 RBF 神经网络控制器结构 | 第46-48页 |
| 4.2 前馈-Smith 补偿控制理论 | 第48-52页 |
| 4.2.1 前馈控制理论 | 第49-51页 |
| 4.2.2 前馈-Smith 补偿控制原理 | 第51-52页 |
| 4.3 烧结余热发电烟风控制系统的仿真与分析 | 第52-65页 |
| 4.3.1 前馈 PID 控制器仿真 | 第53-55页 |
| 4.3.2 前馈模糊控制器仿真 | 第55-59页 |
| 4.3.3 Smith 前馈模糊控制仿真 | 第59-61页 |
| 4.3.4 RBF 神经网络 PID 控制仿真 | 第61-63页 |
| 4.3.5 基于模糊 RBF 神经网络的 PID 控制仿真 | 第63-64页 |
| 4.3.6 仿真分析 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 5. 结论与展望 | 第66-67页 |
| 5.1 结论 | 第66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71-72页 |