| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第9-10页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 基于时滞时间的模糊控制器的发展与研究现状 | 第11-14页 |
| 1.2.1 时滞系统的简介与研究现状 | 第11-13页 |
| 1.2.2 基于数据挖掘的模糊控制器的发展与研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 第2章 时滞时间挖掘及模糊控制器相关技术 | 第15-40页 |
| 2.1 模糊控制系统数学基础 | 第15-23页 |
| 2.1.1 模糊集合 | 第15-20页 |
| 2.1.2 模糊关系与模糊推理 | 第20-22页 |
| 2.1.3 模糊控制器设计简介 | 第22-23页 |
| 2.2 神经网络 | 第23-29页 |
| 2.2.1 神经网络概述 | 第23-25页 |
| 2.2.2 BP神经网络简介 | 第25-27页 |
| 2.2.3 模糊神经网络简介 | 第27-29页 |
| 2.3 遗传算法 | 第29-34页 |
| 2.3.1 遗传算法概述 | 第29-30页 |
| 2.3.2 遗传算法的基本理论 | 第30-32页 |
| 2.3.3 遗传算法的实现 | 第32-34页 |
| 2.4 数据挖掘 | 第34-39页 |
| 2.4.1 数据挖掘简介 | 第34-36页 |
| 2.4.2 数据挖掘的方法 | 第36-37页 |
| 2.4.3 序列模式的数据挖掘 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 基于模糊神经网络的时滞系统参数挖掘 | 第40-51页 |
| 3.1 数据的收集 | 第40-41页 |
| 3.2 定常时滞系统时滞参数估算 | 第41-47页 |
| 3.2.1 基于Adaline神经网络的时滞系统参数估算 | 第41-42页 |
| 3.2.2 基于BP神经网络的时滞系统参数估算 | 第42-44页 |
| 3.2.3 基于模糊神经网络的时滞系统参数估算 | 第44-47页 |
| 3.2.3.1 基于弧度短距离的时间序列相似度计算 | 第45-46页 |
| 3.2.3.2 模糊神经网络优化时滞参数 | 第46-47页 |
| 3.3 变参数时滞系统参数挖掘 | 第47-50页 |
| 3.3.1 基于蚁群算法的时间序列分割 | 第48-49页 |
| 3.3.2 基于序列分割的变参数系统数据挖掘仿真 | 第49-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 基于二倍体遗传算法的模糊控制器设计 | 第51-63页 |
| 4.1 二倍体遗传算法概述 | 第51-53页 |
| 4.2 常参数系统模糊控制器的设计 | 第53-58页 |
| 4.2.1 模糊控制器初步建立 | 第53-55页 |
| 4.2.2 适应度函数的建立 | 第55-56页 |
| 4.2.3 基于二倍体遗传算法的模糊控制器的设计 | 第56-58页 |
| 4.3 变参数系统模糊控制器的设计 | 第58-62页 |
| 4.3.1 pareto最优解简介 | 第58-59页 |
| 4.3.2 基于遗传算法的Pareto最优解优化 | 第59-60页 |
| 4.3.3 基于二倍体遗传算法模糊控制系统的设计 | 第60-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 改进二倍体遗传算法优化自适应模糊控制器 | 第63-69页 |
| 5.1 自适应模糊控制器的设计 | 第63-64页 |
| 5.2 改进二倍体遗传算法优化模糊控制器 | 第64-65页 |
| 5.3 焦炉控制仿真实例 | 第65-68页 |
| 5.3.1 焦炉工艺 | 第66页 |
| 5.3.2 焦炉温度系统的控制仿真 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 导师简介 | 第74-75页 |
| 作者简介 | 第75-76页 |
| 学位论文数据集 | 第76页 |
