燃氣輪機建模、仿真與控制：基於人工神經網絡的方法（簡體書）

通過使用人工神經網絡提供和開發用於穩態和起動過程的燃氣渦輪的建模，仿真和控制的新方法。基於神經元數量和多層感知器（MLP）結構的傳遞函數的組合，開發一種基於人工神經網絡的燃氣渦輪離線系統識別方法，可以可靠地應用於燃氣渦輪的系統識別，並且可以基於系統輸入的變化預測燃氣渦輪輸出參數。通過使用實驗性時間序列數據集來設置和驗證燃氣渦輪起動、過渡態過程的非線性自回歸外推模型，試驗表明非線性自回歸外生模型能夠在起動過程和過渡態過程中反映系統動態特性。單軸燃氣渦輪的PID和基於人工神經網絡控制器的設計包括：採用模型預測控制（MPC）和反饋線性化控制（NARMA-L2）兩種不同的基於人工神經網絡的控制體系結構，並對所有控制器的性能進行比較。

叢書序
前言
第1章 燃氣輪機建模簡介
1.1 燃氣輪機的性能
1.2 燃氣輪機的分類
1.3 燃氣輪機建模中的注意事項
1.3.1 燃氣輪機類型
1.3.2 燃氣輪機結構
1.3.3 燃氣輪機建模方法
1.3.4 燃氣輪機控制系統類型和結構
1.3.5 燃氣輪機建模目的
1.3.6 燃氣輪機模型的構建方法
1.4 問題和局限性
1.5 目標和範圍
1.6 本章小結
第2章 燃氣輪機白盒建模、仿真與控制
2.1 燃氣輪機的白盒建模和仿真
2.1.1 低功率燃氣輪機的白盒模型
2.1.2 工業動力裝置燃氣輪機的白盒模型
2.1.3 航空燃氣輪機的白盒模型
2.2 控制系統設計中的白盒方法
2.3 最後說明
2.4 本章小結
第3章 燃氣輪機黑盒建模、仿真與控制
3.1 燃氣輪機的黑盒建模和仿真
3.1.1 低功率燃氣輪機的黑盒模型
3.1.2 工業動力裝置燃氣輪機的黑盒模型
3.1.3 航空燃氣輪機的黑盒模型
3.2 控制系統設計中的黑盒方法
3.3 最後說明
3.4 本章小結
第4章 基於人工神經網絡(ANN)的工業系統辨識
4.1 人工神經網絡(ANN)
4.2 人工神經元模型
4.3 基於人工神經網絡的建模步驟
4.3.1 系統分析
4.3.2 數據采集與準備
4.3.3 網絡架構
4.3.4 網絡訓練與驗證
4.4 人工神經網絡在工業系統中的應用
4.5 人工神經網絡局限
4.6 本章小結
第5章 單軸燃氣輪機的建模與仿真
5.1 燃氣輪機的Simulink模型
5.2 基於ANN的系統辨識
5.2.1 數據生成
5.2.2 訓練過程
5.2.3 代碼生成
5.3 模型選擇過程
5.4 本章小結
第6章 IPGT動態特性建模與仿真
6.1 GT技術參數
6.2 數據采集與準備
6.3 Simulink：MATLAB建立IPGT的物理原理模型
6.3.1 測量參數
6.3.2 計算及估計參數
6.3.3 模型結構
6.3.4 基於物理原理的建模方法的相關討論
6.4 IPGT、的NARX模型
6.5 基於物理學原理的模型與NARX模型對比
6.6 本章小結
第7章 利用NARX模型對IPGT的起動過程進行建模與仿真
7.1 燃氣輪機起動
7.2 數據采集與準備
7.3 使用NARX模型對燃氣輪機起動建模
7.3.1 NARX模型訓練
7.3.2 NARX模型驗證
7.4 本章小結
第8章 基於神經網絡的燃氣輪機控制器設計
8.1 燃氣輪機控制系統
8.2 模型預測控制器
8.2.1 基於人工神經網絡的MPC設計
8.2.2 基於人工神經網絡的MPC仿真
8.3 反饋線性化控制器(NARMA-L2)
8.3.1 NARMA-L2控制器設計
8.3.2 NARMA-L2控制器仿真
8.4 PID控制器
8.4.1 PID控制器設計
8.4.2 PID控制器仿真
8.5 控制器性能對比
8.6 非最小相位系統
8.7 本章小結
參考文獻
索引