| 中文摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-13页 |
| ·智能控制的策略及其发展 | 第6-8页 |
| ·神经网络控制的发展及展望 | 第8-11页 |
| ·神经网络控制的发展 | 第8-10页 |
| ·神经网络控制的展望 | 第10-11页 |
| ·电厂锅炉主蒸汽温度控制的意义 | 第11-12页 |
| ·主要研究内容 | 第12-13页 |
| 第二章 基于 SMITH 预估器的单神经元 PSD 自适应控制器 | 第13-21页 |
| ·引言 | 第13页 |
| ·控制系统的设计与控制算法 | 第13-18页 |
| ·PSD控制算法 | 第13-15页 |
| ·单神经元PSD自适应控制算法 | 第15-16页 |
| ·系统稳定特性分析 | 第16-17页 |
| ·Smith预估器算法 | 第17-18页 |
| ·仿真研究 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 模拟退火算法 | 第21-28页 |
| ·引言 | 第21-22页 |
| ·模拟退火算法的物理意义 | 第21-22页 |
| ·Metropolis准则 | 第22-23页 |
| ·模拟退火算法的数学描述 | 第23-25页 |
| ·模拟退火算法的关键参数 | 第24-25页 |
| ·模拟退火算法的特征 | 第25-26页 |
| ·模拟退火算法的统计特征 | 第25-26页 |
| ·模拟退火算法的试验特征 | 第26页 |
| ·模拟退火算法的不足和改进途径 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第四章 采用模拟退火算法的Elman网络及其应用 | 第28-36页 |
| ·引言 | 第28页 |
| ·动态递归网络的结构与学习算法 | 第28-30页 |
| ·改进的Elman网络 | 第30-33页 |
| ·采用模拟退火算法训练Elman网络 | 第33-34页 |
| ·仿真研究 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第五章 基于动态递归神经网络的非线性状态观测器 | 第36-46页 |
| ·引言 | 第36页 |
| ·基于DRNN的非线性状态观测器的状态轨迹逼近性能 | 第36-39页 |
| ·动态神经网络的学习算法 | 第39-43页 |
| ·动态递归神经网络观测器的动态BP学习算法 | 第39-40页 |
| ·动态递归神经网络的在线实时快速学习算法 | 第40-43页 |
| ·仿真研究 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 结束语 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第53页 |