通过使用人工神经网络提供和开发用于稳态和起动过程的燃气涡轮的建模，仿真和控制的新方法。基于神经元数量和多层感知器（MLP）结构的传递函数的组合，开发一种基于人工神经网络的燃气涡轮离线系统识别方法，可以可靠地应用于燃气涡轮的系统识别，并且可以基于系统输入的变化预测燃气涡轮输出参数。通过使用实验性时间序列数据集来设置和验证燃气涡轮起动、过渡态过程的非线性自回归外推模型，试验表明非线性自回归外生模型能够在起动过程和过渡态过程中反映系统动态特性。单轴燃气涡轮的PID和基于人工神经网络控制器的设计包括：采用模型预测控制（MPC）和反馈线性化控制（NARMA-L2）两种不同的基于人工神经网络的控制体系结构，并对所有控制器的性能进行比较。
丛书序
前言
章 燃气轮机建模简介
1.1 燃气轮机的性能
1.2 燃气轮机的分类
1.3 燃气轮机建模中的注意事项
1.3.1 燃气轮机类型
1.3.2 燃气轮机结构
1.3.3 燃气轮机建模方法
1.3.4 燃气轮机控制系统类型和结构
1.3.5 燃气轮机建模目的
1.3.6 燃气轮机模型的构建方法
1.4 问题和局限性
1.5 目标和范围
1.6 本章小结
第2章 燃气轮机白盒建模、仿真与控制
2.1 燃气轮机的白盒建模和仿真
2.1.1 低功率燃气轮机的白盒模型
2.1.2 工业动力装置燃气轮机的白盒模型
2.1.3 航空燃气轮机的白盒模型
2.2 控制系统设计中的白盒方法
2.3 最后说明
2.4 本章小结
第3章 燃气轮机黑盒建模、仿真与控制
3.1 燃气轮机的黑盒建模和仿真
3.1.1 低功率燃气轮机的黑盒模型
3.1.2 工业动力装置燃气轮机的黑盒模型
3.1.3 航空燃气轮机的黑盒模型
3.2 控制系统设计中的黑盒方法
3.3 最后说明
3.4 本章小结
第4章 基于人工神经网络(ANN)的工业系统辨识
4.1 人工神经网络(ANN)
4.2 人工神经元模型
4.3 基于人工神经网络的建模步骤
4.3.1 系统分析
4.3.2 数据采集与准备
4.3.3 网络架构
4.3.4 网络训练与验证
4.4 人工神经网络在工业系统中的应用
4.5 人工神经网络局限
4.6 本章小结
第5章 单轴燃气轮机的建模与仿真
5.1 燃气轮机的Simulink模型
5.2 基于ANN的系统辨识
5.2.1 数据生成
5.2.2 训练过程
5.2.3 代码生成
5.3 模型选择过程
5.4 本章小结
第6章 IPGT动态特性建模与仿真
6.1 GT技术参数
6.2 数据采集与准备
6.3 Simulink：MATLAB建立IPGT的物理原理模型
6.3.1 测量参数
6.3.2 计算及估计参数
6.3.3 模型结构
6.3.4 基于物理原理的建模方法的相关讨论
6.4 IPGT、的NARX模型
6.5 基于物理学原理的模型与NARX模型对比
6.6 本章小结
第7章 利用NARX模型对IPGT的起动过程进行建模与仿真
7.1 燃气轮机起动
7.2 数据采集与准备
7.3 使用NARX模型对燃气轮机起动建模
7.3.1 NARX模型训练
7.3.2 NARX模型验证
7.4 本章小结
第8章 基于神经网络的燃气轮机控制器设计
8.1 燃气轮机控制系统
8.2 模型预测控制器
8.2.1 基于人工神经网络的MPC设计
8.2.2 基于人工神经网络的MPC仿真
8.3 反馈线性化控制器(NARMA-L2)
8.3.1 NARMA-L2控制器设计
8.3.2 NARMA-L2控制器仿真
8.4 PID控制器
8.4.1 PID控制器设计
8.4.2 PID控制器仿真
8.5 控制器性能对比
8.6 非最小相位系统
8.7 本章小结
参考文献
索引
