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;