1、“.....它能拓宽网络的输出。网络前层至后层节点通过权连接，即拓扑结构为有向无环图的前向网络。神经网络的结构动态递归网络是种极具潜力的系统预测工具，其中神经网络图就是种较好的动态递归网络。神经网络是于年提出的，与神经网络本质的区别是神经网络既有前馈连接，又有反馈连接，克服了网络不具备动态特性的缺点，使训练好的网络具备非线性映射和动态特性，从而得到动态结构和系统的动力学模型。神经网络的特点网络是典型的局部递归内时延反馈型神经网络。较多的输入节点使系统对外部噪声特别敏感。因此，引入神经网络作为种较好的动态递归网络是种极具潜力的系统预测方法。与神经网络相比，神经网络对系统预测具有训练速度快结构简单精度高的特点。第四章过热汽温神经网络建模基于前馈神经网络的过热汽温系统建模基于反馈神经网络的过热汽温系统建模第三章粒子群算法粒子群算法最早是在年由和共同提出的......”。

2、“.....他们的模型及仿真算法主要利用了生物学家的模型。在的仿真中，鸟在块栖息地附近集聚，这块栖息地吸引着鸟，直到它们都落在这块地上。的模型中增加了些内容每个个体能够通过定规则估计自身位置的适应值每个个体能够记住自己当前的最好位置，称为局部最优。这两个最优变量使得鸟在种程度上朝着这些方向靠近。他们综合这切内容，提出了实际鸟群的简化模型，即我们所说的粒子群算法。算法不像遗传算法那样对个体进行选择交叉和变异操作，而是将群体中的每个个体视为多维搜索空间中个没有质量和体积的粒子点，这些粒子在搜索空间中以定的速度飞行，并根据粒子本身的飞行经验以及同伴的飞行经验对自己的飞行速度进行动态调整，即每个粒子通过统计迭代过程中自身的最优值和群体的最优值来不断地修正自己的前进方向和速度大小，从而形成群体寻优的正反馈机制......”。

3、“.....并最终搜索寻找到问题的最优解。起初和只是设想模拟鸟群觅食的过程，但后来发现算法是种很好的优化工具。与其他进化算法相类似，该算法模拟鸟集群飞行觅食的行为，通过鸟之间的集体协，表示粒子本身的思考，即综合考虑自身以往的经历从而实现对下步决策，这种行为决策便是认知，它反映的是个增强学习的过程，从当前点指向此粒子自身最好点的个矢量，表示粒子的动作来源于自身经验的部分第三部分为社会部分，表示粒子间的的协同合作和知识共享。在搜索过程中粒子在记住自己经验的同时也考虑同伴的经验，当单个的粒子察觉到同伴的经验较好时，它将进行适应性的调整，以达到致认知的过程。以上三个部分共同决定了粒子的空间搜索能力。第部分起到了平衡全局和局部搜索的能力。第二部分使粒子有了足够强的全局搜索能力，避免局部极小。第三部分体现了粒子间的信息共享。在这三部分的共同作用下粒子才能有效的到达最好位置......”。

4、“.....设定算法中设计的各类参数搜索空间的上限和下限和，学习因子，算法最大迭代次数或收敛精度，粒子速度范围随机初始化搜索点的位置,及其速度，设当前位置即为每个粒子的，从个体极值找到全局极值，记录该最好的粒子序号及其位置。第二步评价每个粒子。计算粒子的适应值，如果好于该粒子当前的个体极值，则将设置为该粒子的位置，且更新个体极值。如果所有粒子的个体极值中最好的好于当前的全局极值，则将设置为该粒子的位置，更新全局极值及其序号。第三步更新最优。比较粒子适应度值与它的个体历史最优值，如果优于，则用当前粒子位置更新位置比较粒子适应度值与群体全体最优值，如果目前值好于，则设置当前粒子位置为位置。第四步更新粒子。按照式和更新粒子的速度和位置第五步检查是否符合结束条件。如果当前的迭代次数达到了预先设定的最大次数，或最终结果小于预定收敛精度要求，则停止迭代，输出最优值......”。

5、“.....算法流程基本算法简要流程图如图所示。粒子适应度值计算位置更新粒子适应度值计算个体极值和群体极值更新结束满足终止条件寻找个体极值和群体极值粒子位置和速度初始化参考文献丁利,楼波过热蒸汽温度变化对锅炉经济和安全影响研究节能技术曾汉才关于超超界压力锅炉的若干问题锅炉制造李永超小波神经网络理论及其在过热汽温控制中的应用研究太原理工大学，作与竞争使群体达到目的。算法和其他进化算法类似，也采用群体和进化的概念，通过个体间的协作与竞争，实现复杂空间中最优解的搜索。先生成初始种群，即在可行解空间中随机初始化群粒子，每个粒子都为优化问题的个可行解，并由目标函数为之确定个适应值。不像其他进化算法那样对于个体使用进化算子，而是将每个个体看作是在维搜索空间中的个没有体积和重量的粒子，每个粒子将在解空间中运动，并由个速度决定其方向和距离。通常粒子将追随当前的最优粒子而动......”。

6、“.....在每代中，粒子将跟踪两个极值，为粒子本身迄今找到的最优解，另为全种群迄今找到的最优解。粒子群算法是个非常简单的算法，且能够有效地优化各种函数。从种程度上说，此算法介于遗传算法和进化规划之间。此算法非常依赖于随机过程，这也是和进化规划相似之处。此算法中朝全局最优和局部最优靠近的调整非常类似以遗传算法中的交叉算子。此算法还使用了适应值的概念，这是所有进化计算方法所共同的特征。基本算法的数学描述假设有由个粒子组成的群体在个维的搜索空间定的速度飞行。群体中粒子在时刻的位置表示为矢量,分别为搜索空间的下限和上限粒子的速度表示为矢量通过粒子群的目标函数对粒子的当前位置作出评价。第个粒子在时刻的个体极值，即粒子本身到目前为止搜索到的最优解可以表示为全局最优值，即时刻群体所有粒子目前找到的最优解可以表示为。粒子通过跟踪这两个极值，进行迭代寻优。对于第次迭代......”。

7、“.....公式和中，为粒子个体第次迭代后的飞行速度对为粒子个体第次迭代后的位置矢量为个体粒子的迄今为止找到的最好位置尸幼为整个种群迄今为止找到的最好位置几和为加速因子是用来调节粒子飞向自身最优位置的步长则是调节粒子飞向全局最优位置的步长。般,通常取值为左右。，和叭是介于，之间相互独立均匀分布的随机函数为群体中粒子总数。在两维空间搜索时，粒子根据公式和从位置到移动的原理如图所示。式主要有三部分组成第部分是粒子先前速度的继承，它是由和最先提出。它表示了粒子对当前自身运动状态的信任，依据自身速度进行惯性运动，惯性权重控制着先前速度带来的影响第二部分是认知部分专家和学者对智能控制理论和方法所做的大量工作主要集中在专家系统模糊控制神经网络和进化计算及其相关方面随着智能控制理论的深入研究，智能控制技术发展迅速，己提出了许多方法......”。

8、“.....其中模糊控制神经网络控制和专家控制是目前智能控制中最为活跃的领域。在应用方面，其研究重点集中在智能控制元件系统的智能控制方法和智能控制器的实时实现方面。年代以来，智能控制方法被越来越多地应用于复杂系统的控制中，其中模糊控制理论和神经网络理论在过程控制中己有了较多的应用,随着智能控制理论研究热潮的兴起，现代控制理论和智能控制理论的些成果被学者和专家引进到火电厂热工自动化中，提出有别于传统单回路调节的大量先进控制策略，其中有些成功应用于火电厂实践中，诸如用于过热汽温控制的预估控制预测智能控制模糊控制，随着和的发展已有许多公司将先进控制技术的模块加入系统。英国伦敦大学教授年在实验室研制成功锅炉和蒸汽机模糊控制系统，通常都以此作为模糊控制发展史上的第里程碑本文的主要工作在对锅炉结构和燃烧工艺进行分析的基础上......”。

9、“.....确定了过热汽温系统模型的输入和输出介绍了神经网络的基本原理和各种网络模型的工作方式，重点介绍了网络网络及其算法流程，然后利用网络和网络对过热汽温系统建模并对仿真结果进行了分析和比较，总结了每个网络的特点和应用场合。在建立模型后利用粒子群算法对进行优化，得到了编写控制程序，借助仿真系统做了详尽的仿真实验，并与原串级过热汽温控制系统进行动态性能比较。最后对本文研究的不足之处做了总结并提出了展望。第二章过热汽温系统神经网络建模神经网络神经网络简介人工神经网络，简称是模仿人脑功能的种信息处理系统。具有通过学习获取知识并解决问题的能力，其知识存储在连接权中。它主要借鉴了人脑神经系统处理信息的过程，以数学网络拓扑为理论基础，以大规模并行性高度的容错能力以及自适应自学习自组织等功能为特征，集信息加工与存储体化，具有广泛的应用前景。它可用电子元件实现......”。