基于神经网络的时滞控制系统研究
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-6页 |
| 第一章 绪论 | 第6-15页 |
| 1．1 引 言 | 第6-7页 |
| 1．2 神经网络与神经控制的发展与现状 | 第7-11页 |
| 1．2．1 神经网络研究的历史 | 第7-8页 |
| 1．2．2 神经控制的研究与进展 | 第8-11页 |
| 1．3 时滞系统 | 第11-13页 |
| 1．4 作者的一些观点 | 第13页 |
| 1．5 课题背景及本文的研究工作 | 第13-15页 |
| 第二章 时滞对象的传统控制方法 | 第15-24页 |
| 2．1 引 言 | 第15页 |
| 2．2 PID控制 | 第15-17页 |
| 2．3 补偿控制 | 第17-21页 |
| 2．4 补偿控制的缺陷 | 第21-24页 |
| 第三章 面向控制的神经元网络 | 第24-34页 |
| 3．1 引 言 | 第24页 |
| 3．2 单神经元控制理论 | 第24-30页 |
| 3．3 BP神经网络设计 | 第30-34页 |
| 第四章 神经网络在时滞对象辨识中的应用 | 第34-45页 |
| 4．1 引 言 | 第34页 |
| 4．2 传统的时滞辨识方法 | 第34-35页 |
| 4．3 时滞系统神经网络辨识 | 第35-44页 |
| 4．3．1 线性时滞系统的辨识 | 第35-39页 |
| 4．3．2 非线性时滞系统的辨识 | 第39-44页 |
| 4．4 神经网络辨识与传统辨识方法的比较 | 第44-45页 |
| 第五章 基于神经网络的时滞系统控制 | 第45-63页 |
| 5．1 引 言 | 第45页 |
| 5．2 神经网络自适应内模控制 | 第45-48页 |
| 5．3 神经网络预测PID控制 | 第48-51页 |
| 5．4 神经元自适应PID内模控制器的设计与应用 | 第51-56页 |
| 5．5 神经网络自适应PIP控制器的设计与应用 | 第56-59页 |
| 5．6 神经网络自适应Smith预估控制 | 第59-62页 |
| 5．7 神经网络时滞系统控制方法的比较 | 第62-63页 |
| 结束语 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间完成与发表的论文 | 第69-70页 |
