文摘
英文文摘
论文说明:图表目录、符号说明、缩写表
声明
第一章绪论
1.1研究背景
1.2国内外研究现状
1.3控制与优化问题
1.4建模、控制与优化思想
1.5论文构成
第二章基于回归神经网络的热轧加热炉建模
2.1加热炉生产过程
2.1.1蓄热式燃烧技术
2.1.2蓄热式推钢加热炉
2.1.3步进式加热炉
2.2回归神经网络模型
2.2.1动态神经网络的结构
2.2.2加热炉回归神经网络模型
2.3回归神经网络的学习算法及其收敛性分析
2.3.1 BP学习算法及其收敛性分析
2.3.2 GAP-EKF序贯学习算法
2.4钢温预测复合模型
2.4.1传热模型
2.4.2复合模型
2.5仿真分析
2.5.1炉温预测回归神经网络模型
2.5.2钢温预测传热和回归神经网络模型
2.6小结
第三章基于免疫克隆进化算法的燃烧过程多模型控制
3.1炉温解耦自适应PID控制
3.1.1双交叉限幅控制
3.1.2 Smith多变量补偿
3.1.3解耦控制
3.1.4自适应机制
3.2炉温模糊神经网络专家控制
3.2 1模糊专家控制
3.2.2基于阀门开度的流量跟踪控制
3.2.3空燃比自寻优控制
3.2.4模糊神经网络控制
3.3炉温模糊神经网络控制器的免疫克隆进化学习算法
3.3.1规则优化算法
3.3.2免疫克隆进化优化算法
3.4炉温多模型控制结构
3.5模糊控制器和模糊神经网络控制器的稳定性分析
3.5.1模糊控制器的稳定性
3.5.2模糊神经网络控制器的稳定性
3.6免疫克隆进化算法的收敛性分析
3.7基于免疫克隆进化算法的模糊神经网络控制仿真分析
3.8小结
第四章基于混合粒子群优化算法的炉温优化设定
4.1炉温优化设定模型
4.1.1稳态优化
4.1.2动态补偿
4.1.3待轧和交接班炉温设定
4.2基于混合粒子群优化算法的炉温稳态优化设定
4.2.1粒子群优化
4.2.2混合粒子群优化
4.3混合粒子群优化算法的稳定性分析
4.4仿真分析
4.5小结
第五章工业实现与运行效果
5.1研究对象
5.2蓄热式推钢加热炉分布式控制系统
5.3系统应用软件
5.3.1应用软件结构
5.3.2基于ICE算法的炉温多模型控制与炉温优化设定实现
5.3.3鼓风机风量变频调节
5.4工业运行效果
5.4.1蓄热式推钢加热炉自适应模糊神经网络专家控制
5.4.2步进式加热炉自适应模糊神经网络专家控制
5.5小结
第六章结论与展望
6.1结论
6.2展望
参考文献
致谢
发表的学术论文
科研工作情况