| 第一章 绪论 | 第1-23页 |
| 1．1 神经网络的发展 | 第9-10页 |
| 1．2 神经网络控制的几种形式 | 第10-12页 |
| 1．3 神经网络基础 | 第12-20页 |
| 1．3．1 人工神经元模型 | 第12-13页 |
| 1．3．2 网络结构及工作方式 | 第13-14页 |
| 1．3．3 NNs的学习方法 | 第14-16页 |
| 1．3．4 反向传播学习算法（BP算法） | 第16-20页 |
| 1．3．4．1 BP网络的前馈计算 | 第17-18页 |
| 1．3．4．2 BP网络的学习算法 | 第18-20页 |
| 1．4 液位控制试验装置简介 | 第20-22页 |
| 1．4．1 试验装置主要的技术指标 | 第21页 |
| 1．4．2 试验装置的使用方向和效益 | 第21-22页 |
| 1．4．3 本文作者的主要工作 | 第22页 |
| 1．5 全文内容简介 | 第22-23页 |
| 第二章 基于神经网络内模控制的研究 | 第23-44页 |
| 2．1 内模控制结构框架及性质 | 第23-25页 |
| 2．2 NNs直接控制和NNs内模控制的基本框架 | 第25-28页 |
| 2．2．1 两种不同方案的工作过程及其特点 | 第26-27页 |
| 2．2．2 两个改进措施 | 第27-28页 |
| 2．3 动态NNs结构的选择 | 第28-37页 |
| 2．3．1 DRNNs的动态BP算法 | 第31-34页 |
| 2．3．2 NNE和NNC的动态BP算法 | 第34-37页 |
| 2．3．2．1 NNE的动态BP算法 | 第34-37页 |
| 2．3．2．2 NNC的动态BP算法 | 第37页 |
| 2．4 NNC和NNE稳定性分析 | 第37-42页 |
| 2．4．1 算法流程 | 第41-42页 |
| 2．5 仿真实例 | 第42-44页 |
| 第三章 多变量液位控制试验装置 | 第44-62页 |
| 3．1 试验装置的硬件组成 | 第44-49页 |
| 3．2 系统软件组成及设计 | 第49-55页 |
| 3．2．1 系统软件的整体结构 | 第49-55页 |
| 3．2．1．1 上位机软件设计 | 第49-51页 |
| 3．2．1．2 下位机软件设计 | 第51-55页 |
| 3．3 上下位机的通讯 | 第55-57页 |
| 3．4 一些基于INToucH的软件开发技巧 | 第57-60页 |
| 3．4．1 传统开发方法的不足及改进 | 第57-58页 |
| 3．4．2 对传统方法的改进 | 第58-60页 |
| 3．4．2．1 三种减少变量数的方法 | 第58-59页 |
| 3．4．2．2 降低InTouch和其它模块耦合程度的一个办法 | 第59-60页 |
| 3．5 系统设计 | 第60-62页 |
| 第四章 神经网络内模控制的实验研究 | 第62-68页 |
| 4．1 问题描述 | 第62-64页 |
| 4．2 采样数据的处理 | 第64-66页 |
| 4．3 对象建模 | 第66-67页 |
| 4．4 仿真结果 | 第67-68页 |
| 结束语 | 第68-69页 |
| 参考文献 | 第69-73页 |