| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-20页 |
| 1．1 容错控制概述 | 第12-14页 |
| 1．2 容错控制的发展及其相关概念 | 第14-15页 |
| 1．3 容错控制的主要控制方法 | 第15-19页 |
| 1．3．1 经典容错控制 | 第15-17页 |
| 1．3．2 鲁棒容错控制 | 第17-18页 |
| 1．3．3 神经网络容错控制 | 第18-19页 |
| 1．4 本文的主要工作 | 第19-20页 |
| 2 BP神经网络与BP算法 | 第20-35页 |
| 2．1 神经网络发展概况 | 第20-22页 |
| 2．2 反向传播(BP)网络结构 | 第22-23页 |
| 2．3 BP网络学习算法 | 第23-31页 |
| 2．3．1 BP网络学习过程的分析 | 第23-28页 |
| 2．3．2 BP网络的逼近能力 | 第28-30页 |
| 2．3．3 BP算法初始权值的设置 | 第30-31页 |
| 2．4 BP算法的不足及其改进 | 第31-33页 |
| 2．5 仿真例 | 第33-34页 |
| 2．6 本章小结 | 第34-35页 |
| 3 基于BP网络的内模控制 | 第35-45页 |
| 3．1 神经网络在控制中的作用 | 第35页 |
| 3．2 神经网络控制结构分类 | 第35-36页 |
| 3．3 内模控制(IMC-Internal Model Control) | 第36-40页 |
| 3．3．1 内模控制的基本原理结构 | 第36-37页 |
| 3．3．2 内模控制的基本性质 | 第37-39页 |
| 3．3．3 内模控制器的设计 | 第39-40页 |
| 3．4 基于BP网络的内模控制 | 第40-44页 |
| 3．4．1 基于BP网络的内模控制结构 | 第40-41页 |
| 3．4．2 神经网络估计器的设计 | 第41-42页 |
| 3．4．3 神经网络控制器的设计 | 第42-44页 |
| 3．5 本章小结 | 第44-45页 |
| 4 基于BP网络的容错控制 | 第45-60页 |
| 4．1 基于BP网络的故障容错控制方案 | 第45-46页 |
| 4．2 基于BP网络的容错控制结构 | 第46-49页 |
| 4．3 基于BP网络的容错控制设计 | 第49-53页 |
| 4．3．1 容错控制方案的提出 | 第49-50页 |
| 4．3．2 故障补偿控制器的设计 | 第50-51页 |
| 4．3．3 系统的稳定性分析 | 第51-53页 |
| 4．4 仿真例 | 第53-59页 |
| 4．4．1 模型跟踪仿真 | 第53-54页 |
| 4．4．2 容错控制系统仿真 | 第54-59页 |
| 4．5 本章小结 | 第59-60页 |
| 5 结论与展望 | 第60-62页 |
| 5．1 结论 | 第60-61页 |
| 5．2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |