| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 1 绪论 | 第12-16页 |
| ·概述 | 第12页 |
| ·课题研究的背景及意义 | 第12-15页 |
| ·本文的主要工作 | 第15-16页 |
| 2 辨识方法的分析 | 第16-28页 |
| ·辨识算法的基本原理 | 第16-17页 |
| ·辨识的内容和步骤 | 第17页 |
| ·辨识结构 | 第17-19页 |
| ·传统的系统辨识方法 | 第19-21页 |
| ·经典辨识方法 | 第19-20页 |
| ·现代辨识方法 | 第20-21页 |
| ·智能辨识方法 | 第21-26页 |
| ·基于神经网络的系统辨识 | 第21-22页 |
| ·基于模糊逻辑的系统辨识 | 第22-25页 |
| ·基于遗传算法的系统辨识 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 3 基于静态神经网络的氧乐果合成过程辨识 | 第28-53页 |
| ·氧乐果合成反应对象分析 | 第28-31页 |
| ·氧乐果合成工艺过程 | 第28-29页 |
| ·氧乐果合成过程建模影响因素分析 | 第29-31页 |
| ·BP神经网络辨识温度对象 | 第31-43页 |
| ·BP神经网络 | 第31-34页 |
| ·氧乐果合成过程数据采集及预处理 | 第34-37页 |
| ·神经网络结构的确定 | 第37-38页 |
| ·基于标准BP网络的辨识结果 | 第38-40页 |
| ·基于遗传算法优化的BP神经网络 | 第40-41页 |
| ·基于遗传神经网络的辨识 | 第41-43页 |
| ·模糊神经网络辨识温度对象 | 第43-52页 |
| ·模糊神经网络 | 第43-47页 |
| ·仿真实例及分析 | 第47-50页 |
| ·辨识结构的选取 | 第50页 |
| ·基于模糊神经网络的辨识结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 4 基于动态神经网络的氧乐果合成过程辨识 | 第53-64页 |
| ·带有偏差单元的BP递归神经网络 | 第53-58页 |
| ·带有偏差单元的递归神经网络结构 | 第53-54页 |
| ·带有偏差单元递归神经网络学习过程 | 第54-56页 |
| ·带偏差单元的递归BP神经网络对氧乐果合成过程的辨识 | 第56-58页 |
| ·动态递归模糊神经网络 | 第58-63页 |
| ·动态模糊神经网络的结构 | 第58-59页 |
| ·动态模糊神经网络的学习算法 | 第59-61页 |
| ·基于动态模糊神经网络的氧乐果对象辨识 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 5 结论与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录:攻读硕士学位期间发表的学术论文 | 第69页 |