| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1. 课题背景及意义 | 第11-12页 |
| 1.2. 非线性辨识方法研究现状 | 第12-16页 |
| 1.2.1. 神经网络系统辨识法 | 第13-14页 |
| 1.2.2. 遗传算法系统辨识法 | 第14页 |
| 1.2.3. 模糊逻辑系统辨识法 | 第14-15页 |
| 1.2.4. 小波网络系统辨识法 | 第15页 |
| 1.2.5. 最小二乘支持向量机系统辨识法 | 第15-16页 |
| 1.3. 非线性预测控制及其研究现状 | 第16-17页 |
| 1.3.1. 基于线性化技术的预测控制 | 第16-17页 |
| 1.3.2. 基于各种特殊模型的预测控制 | 第17页 |
| 1.3.3. 基于神经网络的预测控制 | 第17页 |
| 1.4. 基于Hammerstein和Wiener型非线性系统的辨识与控制研究现状 | 第17-19页 |
| 1.5. 论文主要研究内容及章节安排 | 第19-21页 |
| 第2章 Hammerstein-Wiener模型的神经网络辨识方法 | 第21-35页 |
| 2.1. 神经网络简介 | 第21-26页 |
| 2.1.1. 神经网络的主要特点 | 第21-22页 |
| 2.1.2. 神经元网络的神经元模型 | 第22-24页 |
| 2.1.3. BP神经网络 | 第24-26页 |
| 2.2. Hammerstein-Wiener系统的神经网络辨识 | 第26-33页 |
| 2.2.1. Hammerstein-Wiener系统的具体形式 | 第26-28页 |
| 2.2.2. 混合神经网络模型的建立 | 第28-30页 |
| 2.2.3. Hammerstein-Wiener模型的辨识算法 | 第30-33页 |
| 2.3. 本章小结 | 第33-35页 |
| 第3章 基于混合神经网络的非线性预测函数控制 | 第35-45页 |
| 3.1 预测控制的原理 | 第35-38页 |
| 3.1.1. 预测模型 | 第35-36页 |
| 3.1.2. 滚动优化 | 第36-37页 |
| 3.1.3. 反馈校正 | 第37-38页 |
| 3.2 预测函数控制简介 | 第38-40页 |
| 3.3 基于混合神经网络的Hammerstein-Wiener非线性预测函数控制 | 第40-44页 |
| 3.3.1. 预测模型 | 第41页 |
| 3.3.2. 反馈校正 | 第41-42页 |
| 3.3.3. 滚动优化 | 第42-43页 |
| 3.3.4. 在线校正 | 第43页 |
| 3.3.5. 非线性预测函数控制算法 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 电弧炉电极调节系统的辨识与控制 | 第45-61页 |
| 4.1. 电弧炉炼钢工艺设备简介 | 第45-49页 |
| 4.1.1. 电弧炉炼钢基本原理 | 第45页 |
| 4.1.2. 电弧炉炼钢工艺 | 第45-47页 |
| 4.1.3. 电弧炉炼钢设备 | 第47-49页 |
| 4.2. 电极调节系统的建模 | 第49-54页 |
| 4.2.1. 液压传动机构建模 | 第50-51页 |
| 4.2.2. 检测环节的建模 | 第51-54页 |
| 4.3. 电极调节系统参数的辨识 | 第54-58页 |
| 4.4. 电极调节系统的控制 | 第58-59页 |
| 4.5. 本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-65页 |
| 5.1. 工作总结 | 第61-62页 |
| 5.2. 工作展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
