| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-15页 |
| 1．1 论文的研究目的和意义 | 第8-9页 |
| 1．2 智能控制模型发展概述 | 第9-12页 |
| 1．2．1 模糊逻辑在控制系统建模中的应用与发展 | 第9-10页 |
| 1．2．2 神经网络的发展与应用概述 | 第10-11页 |
| 1．2．3 模糊逻辑与人工神经网络的结合 | 第11-12页 |
| 1．3 模糊神经技术的研究及应用现状 | 第12-14页 |
| 1．3．1 研究及应用现状 | 第12-13页 |
| 1．3．2 模糊神经网络的最新研究趋势 | 第13-14页 |
| 1．4 本论文的主要研究工作 | 第14-15页 |
| 2 模糊神经网络的建模机理 | 第15-34页 |
| 2．1 模糊逻辑系统的建模机理 | 第15-25页 |
| 2．1．1 模糊控制系统概述 | 第15-17页 |
| 2．1．2 初始模型的建立 | 第17-19页 |
| 2．1．3 模糊逻辑模型的学习 | 第19-20页 |
| 2．1．4 模糊逻辑推理和非模糊化 | 第20-23页 |
| 2．1．5 常见的模糊逻辑系统 | 第23-25页 |
| 2．2 神经元网络与模糊逻辑在建模上的等价性与互补性 | 第25-30页 |
| 2．2．1 神经网络的模型结构 | 第25-27页 |
| 2．2．2 神经网络与模糊逻辑系统的比较 | 第27页 |
| 2．2．3 神经元网络与模糊逻辑在建模上的等价性 | 第27-29页 |
| 2．2．4 模糊逻辑系统与神经元网络在建模上的互补性 | 第29-30页 |
| 2．3 几种模糊神经网络的模型结构 | 第30-33页 |
| 2．3．1 基于神经元网络的模糊控制系统 | 第30-31页 |
| 2．3．2 模糊神经元网络 | 第31-32页 |
| 2．3．3 用模糊逻辑增强的神经元网络 | 第32-33页 |
| 2．4 小结 | 第33-34页 |
| 3 正规化模糊神经网络（NFNN) | 第34-44页 |
| 3．1 NFNN模型结构 | 第34-36页 |
| 3．2 NFNN的学习算法 | 第36-37页 |
| 3．3 模糊规则的合并问题 | 第37-39页 |
| 3．4 仿真实验 | 第39-42页 |
| 3．5 小结 | 第42-44页 |
| 4 NFNN在转炉提钒炼钢静态控制模型中的应用 | 第44-56页 |
| 4．1 转炉提钒炼钢工艺流程概述 | 第44-45页 |
| 4．2 影响转炉提钒炼钢的主要因素 | 第45-46页 |
| 4．3 转炉提钒的模型设计 | 第46-49页 |
| 4．3．1 模型结构选择 | 第46-49页 |
| 4．3．2 模型的参数选择 | 第49页 |
| 4．4 模型的训练 | 第49-52页 |
| 4．4．1 数据预处理 | 第49-51页 |
| 4．4．2 原始数据的标准化 | 第51页 |
| 4．4．3 算法框图 | 第51-52页 |
| 4．5 测试结果分析 | 第52-55页 |
| 4．6 小结 | 第55-56页 |
| 5 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-59页 |