声明
摘要
第一章绪论
1．1课题研究背景及意义
1．1．1 RTD-A控制器研究背景及意义
1．1．2催化裂化主分馏塔研究背景和意义
1．1．3 T-S模糊神经网络研究背景及意义
1．2国内外的研究现状
1．2．1 RDT-A控制器在国内外的研究现状
1．2．2催化裂化主分馏塔在国内外的研究现状
1．2．3 T-S迭代模糊神经网络在国内外的研究现状
1．3本文的工作
第二章改进RTD-A控制算法
2．1．1输出预测
2．1．2模型预测更新
2．1．3解析控制律
2．2改进的RTD-A与原RTD-A的差别
2．3仿真实验
2．4实验小结
第三章离线整定RTD-A控制器参数
3．1背景介绍
3．2蝙蝠算法介绍
3．3选取离线整定性能函数
3．4仿真实验
3．4．1模型匹配情况下的参数整定
3．4．2模型失配情况下的参数整定
3．5本章小结
第四章在线整定RTD-A控制器参数
4．1背景介绍
4．2选取带界约束的性能函数
4．3神经网络拟合性能函数的求导环节
4．4高斯牛顿法求解Hessian矩阵
4．5基于反射牛顿内点法求解控制器参数增量
4．6仿真实验
4．7本章小结
第五章柴油干点系统模型辨识
5．1催化裂化主分馏塔Aspen模型的建立
5．2辨识数据的获取
5．3 T-S迭代模糊神经网络辨识
5．3．1网络参数学习
5．4优化T-S迭代模糊神经网络
5．4．1减法聚类优化网络结构
5．4．2带动量项的变步长学习法
5．4．3每次迭代记录误差法
5．4．4蝙蝠算法寻优后件网络参数的初始值和延迟时间
5．5仿真实验
5．6本章小结
第六章控制器应用于柴油干点系统
6．1．1输出预测
6．1．2模型预测更新
6．1．3解析控制律
6．2仿真实验
6．3本章小结
第七章结论
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
北京化工大学;
