| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 自抗扰控制及其研究现状 | 第11-13页 |
| 1.3 课题研究的主要内容 | 第13-14页 |
| 第2章 自抗扰控制及参数整定方法 | 第14-23页 |
| 2.1 自抗扰控制基本原理 | 第14-19页 |
| 2.1.1 自抗扰控制结构 | 第14-15页 |
| 2.1.2 跟踪微分器 | 第15-17页 |
| 2.1.3 扩张状态观测器 | 第17-18页 |
| 2.1.4 非线性状态误差反馈控制律 | 第18-19页 |
| 2.1.5 自抗扰控制器 | 第19页 |
| 2.2 自抗扰控制的参数整定 | 第19-22页 |
| 2.2.1 基于分离性原理的参数整定 | 第20-21页 |
| 2.2.2 基于人工智能法的参数整定 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 人工蚁群算法的原理及应用 | 第23-32页 |
| 3.1 人工蚁群算法的基本原理 | 第23-24页 |
| 3.2 人工蚁群算法的基本模型及流程 | 第24-27页 |
| 3.3 人工蚁群算法在热工系统辨识中的原理 | 第27-28页 |
| 3.4 人工蚁群算法的控制器参数整定 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 人工蚁群算法优化的自抗扰控制在过热汽温系统的应用 | 第32-44页 |
| 4.1 锅炉过热汽温控制系统 | 第32-35页 |
| 4.1.1 过热汽温系统概述 | 第32-33页 |
| 4.1.2 过热汽温被控对象的动态特性 | 第33-34页 |
| 4.1.3 过热汽温自抗扰控制系统 | 第34-35页 |
| 4.2 人工蚁群算法的过热汽温系统辨识 | 第35-39页 |
| 4.2.1 过热汽温系统数据预处理 | 第35-37页 |
| 4.2.2 人工蚁群算法的过热汽温被控对象辨识 | 第37-39页 |
| 4.3 人工蚁群算法的自抗扰控制参数优化 | 第39-40页 |
| 4.4 过热汽温自抗扰控制研究 | 第40-43页 |
| 4.4.1 设定值实验 | 第40-41页 |
| 4.4.2 抗干扰实验 | 第41-42页 |
| 4.4.3 鲁棒性实验 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 自抗扰控制在超临界DCS中的应用 | 第44-50页 |
| 5.1 仿真平台简介 | 第44页 |
| 5.1.1 DCS控制系统平台 | 第44页 |
| 5.1.2 仿真实验平台 | 第44页 |
| 5.2 自抗扰控制的算法建模 | 第44-47页 |
| 5.2.1 TD算法建模 | 第45-46页 |
| 5.2.2 ESO算法建模 | 第46页 |
| 5.2.3 NLSEF算法建模 | 第46-47页 |
| 5.2.4 ADRC算法的仿真模型 | 第47页 |
| 5.3 过热汽温系统实验结果分析 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |