声明
摘要
第一章 绪论
1.1 本课题研究背景和意义
1.2 国内外研究现状和进展
1.2.1 高炉冶炼过程的复杂性机理研究
1.2.2 高炉冶炼过程的炉温预测模型研究
1.2.3 国内高炉炼铁专家系统的创新开发与推广应用进展
1.3 大数据时代对高炉炼铁技术进步的启示
1.4 本文研究内容
第二章 迭代学习控制及其在工业控制中应用
2.1 迭代学习控制技术及发展概况
2.2 迭代学习控制原理及理论研究内容
2.2.1 迭代学习控制的基本原理
2.2.2 迭代学习控制理论研究现状
2.3 迭代学习控制技术在工业控制中的应用
2.3.1 机器人系统的迭代学习控制
2.3.2 伺服系统的迭代学习控制
2.4 本章小结
第三章 高炉冶炼过程的状态空间辨识
3.1 高炉冶炼过程的线性状态空间辨识
3.1.1 线性系统的状态空间描述
3.1.2 几何投影理论
3.1.3 子空间辨识算法
3.1.4 仿真结果
3.2 高炉冶炼过程的非线性状态空间辨识
3.2.1 非线性状态空间描述
3.2.2 参数辨识算法
3.2.3 仿真结果
3.3 本章小结
第四章 基于噪声分离的高炉炉温迭代学习控制
4.1 处理噪声的送代学习控制算法
4.2 迭代学习控制中的噪声分离算法
4.2.1 噪声分离算法
4.2.2 改进的噪声分离算法
4.3 改进的噪声分离算法的收敛性及鲁棒性
4.3.1 针对线性系统的收敛性及鲁棒性
4.3.2 针对非线性系统的收敛性及鲁棒性
4.4 数值仿真和高炉数据实验
4.4.1 数值仿真
4.4.2 高炉数据实验
4.5 本章小结
第五章 高炉炉温的点到点迭代学习控制
5.1 点到点迭代学习控制
5.2 有轨迹更新的点到点闭环迭代学习控制
5.2.1 问题提出
5.2.2 轨迹更新算法
5.3 算法的收敛性及鲁棒性
5.3.1 针对线性系统的算法收敛性和鲁棒性
5.3.2 针对非线性系统的算法收敛性和鲁棒性
5.4 数值仿真和高炉数据实验
5.4.1 数值仿真
5.4.2 高炉数据实验
5.5 本章小结
第六章 结论与展望
6.1 本文研究获取主要结论
6.2 后续研究展望
参考文献