| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 图索引 | 第12-14页 |
| 表索引 | 第14-15页 |
| 第一章 绪论 | 第15-24页 |
| 1．1 智能控制理论的现状和发展 | 第15-17页 |
| 1．2 课题背景 | 第17-19页 |
| 1．3 本文的主要工作及创新 | 第19-24页 |
| 1．3．1 本文的主要工作及组织结构 | 第19-21页 |
| 1．3．2 本文所提出的创新点 | 第21-24页 |
| 第二章 遗传算法及应用 | 第24-44页 |
| 2．1 遗传算法综述 | 第24-25页 |
| 2．2 基本遗传算法的设计及改进 | 第25-38页 |
| 2．2．1 基本遗传算法的工作原理 | 第25-26页 |
| 2．2．2 基本遗传算法的组成要素及改进 | 第26-36页 |
| 2．2．3 自适应遗传算法 | 第36-37页 |
| 2．2．4 模糊遗传算法 | 第37-38页 |
| 2．3 改进遗传算法的应用及仿真 | 第38-43页 |
| 2．4 本章小结 | 第43-44页 |
| 第三章 模糊控制的基本理论 | 第44-56页 |
| 3．1 引言 | 第44-45页 |
| 3．2 模糊控制系统原理 | 第45-48页 |
| 3．3 模糊控制器的设计 | 第48-53页 |
| 3．3．1 模糊控制器的结构设计 | 第49页 |
| 3．3．2 模糊参数的确定 | 第49-51页 |
| 3．3．3 输入量的模糊化 | 第51页 |
| 3．3．4 模糊规则的生成 | 第51-52页 |
| 3．3．5 输出量的清晰化 | 第52-53页 |
| 3．4 基于遗传算法的模糊控制器的设计 | 第53-55页 |
| 3．5 本章小结 | 第55-56页 |
| 第四章 人工神经网络及其应用 | 第56-71页 |
| 4．1 人工神经网络概述 | 第56-67页 |
| 4．1．1 神经网络的学习方法 | 第57-59页 |
| 4．1．2 神经网络的主要模型 | 第59-67页 |
| 4．2 神经网络在控制领域中的应用 | 第67-70页 |
| 4．2．1 神经网络模型辨识 | 第68-70页 |
| 4．3 本章小结 | 第70-71页 |
| 第五章 基于遗传算法的模糊控制器的设计 | 第71-96页 |
| 5．1 自适应模糊控制系统的构成 | 第71-78页 |
| 5．2 基于神经网络的对象模型的建立 | 第78-81页 |
| 5．2．1 辨识对象模型的基本设计 | 第78-79页 |
| 5．2．2 仿真结果 | 第79-81页 |
| 5．3 基于遗传算法的模糊控制器的优化 | 第81-95页 |
| 5．3．1 遗传算法优化模糊控制规则的基本设计 | 第81-83页 |
| 5．3．2 改进之一:对遗传算法中初始群体生成的改进 | 第83-85页 |
| 5．3．3 在阶跃响应下模糊控制规则得不到全部优化的理论分析 | 第85-87页 |
| 5．3．4 在阶跃响应下模糊控制规则得不到全部优化的仿真研究 | 第87-89页 |
| 5．3．5 改进之二:提高模糊控制规则起用的措施和方法 | 第89-90页 |
| 5．3．6 改进之三:完善及提高模糊控制器性能的措施 | 第90-93页 |
| 5．3．7 在对象模型发生变化时的仿真研究 | 第93-95页 |
| 5．4 本章小结 | 第95-96页 |
| 第六章 本论文的工作与展望 | 第96-98页 |
| 6．1 本论文所做的工作总结 | 第96-97页 |
| 6．2 后续工作展望 | 第97-98页 |
| 参考文献 | 第98-102页 |
| 致谢 | 第102-103页 |
| 攻读硕士学位期间发表的学术论文 | 第103页 |
