基于遗传算法的水轮发电机模糊神经网络励磁控制器的研究
| 目录 | 第1-7页 |
| 1 概述 | 第7-21页 |
| ·选题的目的和意义 | 第7-8页 |
| ·水轮发电机励磁系统 | 第8-14页 |
| ·励磁控制器的总体结构 | 第10-11页 |
| ·励磁控制方式的发展 | 第11-14页 |
| ·智能控制在水轮发电机励磁控制系统中的发展现状 | 第14-18页 |
| ·软计算理论 | 第18-20页 |
| ·本文主要工作 | 第20-21页 |
| 2 遗传算法 | 第21-36页 |
| ·遗传算法的理论基础 | 第21-23页 |
| ·遗传算法的基本操作 | 第23-28页 |
| ·编码操作 | 第24-25页 |
| ·初始群体生成 | 第25页 |
| ·适应度计算 | 第25-27页 |
| ·选择 | 第27页 |
| ·交叉 | 第27-28页 |
| ·变异 | 第28页 |
| ·基本遗传算法存在的问题 | 第28-29页 |
| ·遗传算法的改进 | 第29-36页 |
| ·模拟退火算法概述 | 第29-31页 |
| ·遗传算法和模拟退火的结合 | 第31-32页 |
| ·遗传退火算法的马氏链描述 | 第32-33页 |
| ·遗传退火算法(GASA)的流程 | 第33-36页 |
| 3 模糊神经网络概论 | 第36-43页 |
| ·模糊神经网络的产生背景 | 第36-37页 |
| ·模糊神经网络的结构 | 第37-39页 |
| ·模糊神经网络的学习算法 | 第39-43页 |
| 4 基于遗传算法的模糊神经网络 | 第43-54页 |
| ·初始模糊控制规则的获取和优化 | 第43-49页 |
| ·基于遗传算法的初始规则的选取 | 第43-47页 |
| ·模糊控制规则的过滤 | 第47-49页 |
| ·输入、输出语言变量隶属度函数的优化 | 第49-51页 |
| ·编码 | 第50页 |
| ·适应度的确定 | 第50页 |
| ·隶属函数的参数寻优 | 第50-51页 |
| ·基于遗传退火算法的模糊神经网络的学习 | 第51-54页 |
| ·常规学习方法的不足 | 第51-52页 |
| ·基于遗传退火方法的模糊神经网络的学习 | 第52-54页 |
| 5 励磁控制器设计和仿真 | 第54-70页 |
| ·基于GASA的励磁控制器设计 | 第54-65页 |
| ·模糊规则的获取 | 第55-58页 |
| ·模糊规则的过滤 | 第58-60页 |
| ·隶属度函数的优化 | 第60-63页 |
| ·模糊神经网络学习 | 第63-65页 |
| ·系统仿真及分析 | 第65-70页 |
| ·励磁系统相关环节数学模型 | 第65-67页 |
| ·励磁系统动态特性仿真分析 | 第67-70页 |
| 6 结论及展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 在校期间发表的论文 | 第78页 |
