神经网络PID控制器的研究及仿真
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| ·控制理论的发展与面临的挑战 | 第9页 |
| ·神经网络技术的发展与现状 | 第9-10页 |
| ·神经网络与系统建模和控制 | 第10-11页 |
| ·神经网络建模 | 第10-11页 |
| ·神经网络控制 | 第11页 |
| ·人工神经网络的特点 | 第11-12页 |
| ·本课题的任务 | 第12-14页 |
| 第2章 神经网络的理论基础 | 第14-24页 |
| ·MP模型 | 第14-16页 |
| ·非对称型Sigmoid函数 | 第15页 |
| ·对称型Sigmoid函数 | 第15-16页 |
| ·对称型阶跃函数 | 第16页 |
| ·感知器 | 第16-17页 |
| ·单层感知器 | 第16-17页 |
| ·多层感知器 | 第17页 |
| ·多层前馈网络与BP学习算法 | 第17-19页 |
| ·BP神经网络结构 | 第18页 |
| ·BP学习算法 | 第18-19页 |
| ·径向基函数神经网络 | 第19-21页 |
| ·网络输出计算 | 第20页 |
| ·网络的学习算法 | 第20-21页 |
| ·小脑模型神经网络 | 第21-22页 |
| ·神经网络的学习规则 | 第22-24页 |
| ·无监督Hebb学习规则 | 第22页 |
| ·有监督的Delta学习规则 | 第22页 |
| ·有监督的Hebb学习规则 | 第22-24页 |
| 第3章 改进型PID控制器 | 第24-32页 |
| ·常规PID控制算法的理论基础 | 第24-27页 |
| ·模拟PID控制系统 | 第24-25页 |
| ·数字PID控制算法 | 第25-27页 |
| ·改进型PID控制器 | 第27-31页 |
| ·模糊PID控制器 | 第27-28页 |
| ·专家PID控制器 | 第28-29页 |
| ·基于遗传算法整定的PID控制器 | 第29-30页 |
| ·灰色PID控制器 | 第30页 |
| ·神经网络PID控制器 | 第30-31页 |
| ·组合优化改进型PID控制器 | 第31-32页 |
| ·模糊神经网络PID控制器 | 第31页 |
| ·遗传算法神经网络PID控制器 | 第31-32页 |
| 第4章 神经网络PID控制器 | 第32-48页 |
| ·神经元PID控制器 | 第32-33页 |
| ·单神经元自适应PID控制器 | 第33-36页 |
| ·基于BP神经网络参数自学习PID控制器 | 第36-39页 |
| ·改进型BP神经网络参数自学习PID控制器 | 第39-44页 |
| ·采用线性预测模型的BP神经网络PID控制器 | 第39-41页 |
| ·采用非线性预测模型的BP神经网络PID控制器 | 第41-44页 |
| ·组合优化神经网络PID控制器 | 第44-47页 |
| ·模糊神经网络PID控制器 | 第44-46页 |
| ·遗传算法神经网络PID控制器 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 仿真研究 | 第48-57页 |
| ·PID控制器的SIMULINK仿真模型 | 第48-52页 |
| ·常规PID控制的SIMULINK仿真模型 | 第48-50页 |
| ·神经元PID控制器的SIMULINK仿真模型 | 第50-51页 |
| ·应用神经元PID控制器进行系统控制模型 | 第51-52页 |
| ·仿真研究 | 第52-55页 |
| ·常规PID控制系统的仿真结果 | 第52-54页 |
| ·神经网络PID控制系统的仿真结果 | 第54-55页 |
| ·仿真结果分析 | 第55-56页 |
| ·神经元参数的选取原则 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 附录A(攻读学位期间所发表的学术论文) | 第64页 |
