| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·选题的依据 | 第10-12页 |
| ·解耦技术现状 | 第12-15页 |
| ·经典控制理论和现代控制理论解耦技术 | 第12页 |
| ·自适应解耦技术 | 第12-13页 |
| ·模糊解耦技术 | 第13页 |
| ·智能解耦技术 | 第13-15页 |
| ·其他新方法解耦技术 | 第15页 |
| ·本论文的研究工作及创新点 | 第15-17页 |
| 第二章 神经网络技术的发展及其趋势 | 第17-25页 |
| ·神经网络的发展 | 第17-22页 |
| ·初创阶段 | 第17-18页 |
| ·低潮阶段 | 第18-19页 |
| ·复苏阶段 | 第19-20页 |
| ·新高潮阶段 | 第20-22页 |
| ·神经网络的学习分类 | 第22-23页 |
| ·神经网络的分类 | 第23页 |
| ·神经网络的发展趋势 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 不完全微分 PID 算法在神经网络的研究 | 第25-43页 |
| ·完全微分 PID 控制器与不完全微分PID 控制器 | 第26-29页 |
| ·完全微分PID 控制器 | 第26-28页 |
| ·不完全微分PID 控制器 | 第28-29页 |
| ·基于不完全微分 PID 算法的神经元控制 | 第29-33页 |
| ·基于不完全微分PID 算法的神经元控制器 | 第29-30页 |
| ·参数设置及仿真研究 | 第30-33页 |
| ·基于不完全微分 PID 算法的BP 神经网络控制 | 第33-37页 |
| ·基于不完全微分PID 算法的BP 神经网络控制器 | 第33-36页 |
| ·参数设置及仿真研究 | 第36-37页 |
| ·基于不完全微分 PID 算法的PID 型神经网络控制 | 第37-42页 |
| ·基于不完全微分PID 算法的PID 型神经网络控制器 | 第37-39页 |
| ·参数设置及仿真研究 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 新型神经网络控制器的研究及其应用 | 第43-58页 |
| ·基于不完全微分 PID 算法的RBF 神经网络控制 | 第43-46页 |
| ·参数设置及仿真研究 | 第46-57页 |
| ·线性控制对象仿真实例 | 第46-56页 |
| ·非线性控制对象仿真实例 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 神经网络 PID 控制器在多变量控制中的应用 | 第58-76页 |
| ·相关准备知识 | 第58-62页 |
| ·耦合度 | 第58-60页 |
| ·变量匹配 | 第60页 |
| ·精馏塔控制系统 | 第60-62页 |
| ·基于不完全微分 PID 算法的神经元多变量控制 | 第62-64页 |
| ·不完全微分PID 算法的神经元多变量控制原理 | 第62页 |
| ·参数设置及仿真研究 | 第62-64页 |
| ·基于完全微分 PID 算法的RBF 神经网络多变量控制 | 第64-66页 |
| ·基于完全微分PID 算法的RBF 神经网络多变量控制原理 | 第64-65页 |
| ·参数设置及仿真研究 | 第65-66页 |
| ·基于不完全微分PID 算法的RBF 神经网络多变量控制 | 第66-69页 |
| ·基于不完全微分PID 算法的RBF 神经网络多变量控制原理 | 第66-67页 |
| ·参数设置及仿真研究 | 第67-69页 |
| ·基于完全微分PID 算法的新型RBF 神经网络多变量控制 | 第69-75页 |
| ·新型RBF 神经网络算法及结构 | 第69-70页 |
| ·基于完全微分PID 算法的新型RBF 神经网络控制原理 | 第70-73页 |
| ·参数设置及仿真研究 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 全文总结与展望 | 第76-78页 |
| ·取得的成果 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间发表论文 | 第84-85页 |
| 致谢 | 第85页 |
