| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 论文的研究背景和意义 | 第10-11页 |
| 1.3 研究进展及现状 | 第11-12页 |
| 1.3.1 蚁群算法的研究进展及现状 | 第11-12页 |
| 1.3.2 蚁群算法在参数优化领域的研究进展及现状 | 第12页 |
| 1.4 论文的主要工作及论文结构 | 第12-14页 |
| 第2章 PID控制及其参数的整定与优化 | 第14-25页 |
| 2.1 PID控制系统原理 | 第14-15页 |
| 2.2 数字PID控制系统 | 第15-18页 |
| 2.2.1 位置式PID控制算法 | 第17-18页 |
| 2.2.2 增量式PID控制算法 | 第18页 |
| 2.3 PID控制器参数的整定与优化 | 第18-25页 |
| 2.3.1 传统PID参数整定优化方法 | 第19-22页 |
| 2.3.2 最优化PID参数整定优化方法 | 第22-23页 |
| 2.3.3 智能整定优化方法 | 第23-25页 |
| 第3章 蚁群算法的分析 | 第25-36页 |
| 3.1 蚁群算法的起源和原理 | 第25-27页 |
| 3.1.1 蚁群算法的起源 | 第25-27页 |
| 3.1.2 蚁群算法的原理 | 第27页 |
| 3.2 基本蚁群算法 | 第27-30页 |
| 3.2.1 基本蚁群算法的模型基础 | 第27-29页 |
| 3.2.2 基本算法的实现步骤 | 第29-30页 |
| 3.3 基本蚁群算法的特点 | 第30-32页 |
| 3.3.1 算法具有的系统性 | 第30-31页 |
| 3.3.2 算法的自组织性 | 第31页 |
| 3.3.3 算法的分布式计算特性 | 第31-32页 |
| 3.3.4 算法的正反馈计算特性 | 第32页 |
| 3.4 基本蚁群算法中参数的选择 | 第32-34页 |
| 3.4.1 蚁群数量m对算法的影响 | 第32-33页 |
| 3.4.2 信息素启发因子α对算法的影响 | 第33页 |
| 3.4.3 路径期望启发因子β对算法的影响 | 第33页 |
| 3.4.4 信息素挥发因子ρ对算法的影响 | 第33-34页 |
| 3.4.5 信息素强度Q对算法的影响 | 第34页 |
| 3.5 蚁群算法的优缺点 | 第34-36页 |
| 第4章 蚁群算法的改进及其性能测试 | 第36-41页 |
| 4.1 蚁群算法的改进 | 第36-39页 |
| 4.1.1 多“最优解”搜索的蚁群算法 | 第36-38页 |
| 4.1.2 算法最佳性能参数试验 | 第38-39页 |
| 4.2 算法的测试 | 第39-41页 |
| 第5章 蚁群算法热工控制系统中的应用 | 第41-63页 |
| 5.1 蚁群算法炉膛负压控制系统参数优化中的实现 | 第41-43页 |
| 5.2 蚁群算法在主汽温度控制系统中的应用 | 第43-56页 |
| 5.2.1 主汽温调节控制的意义 | 第43页 |
| 5.2.2 主汽温度的动态特性及控制方案 | 第43-47页 |
| 5.2.3 主汽温串级控制系统PID参数优化应用 | 第47-56页 |
| 5.3 蚁群算法在汽包水位控制系统中的应用 | 第56-62页 |
| 5.3.1 汽包水位前馈-串级三冲量控制系统原理 | 第57-59页 |
| 5.3.2 汽包水位前馈-串级三冲量控制系统PID参数优化应用 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-68页 |
| 致谢 | 第68页 |