| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·人工神经网络概述及其发展史 | 第7-9页 |
| ·人工神经网络在自动控制中的应用 | 第9-11页 |
| ·PID 控制方法综述 | 第11-14页 |
| ·本课题研究工作及内容安排 | 第14-16页 |
| 第二章 人工神经网络的基本原理及模型 | 第16-24页 |
| ·神经网络构成的基本原理 | 第16-17页 |
| ·人工神经元模式 | 第16页 |
| ·连接权值 | 第16-17页 |
| ·神经网络状态 | 第17页 |
| ·神经网络的输出 | 第17页 |
| ·神经网络结构及工作方式 | 第17-19页 |
| ·神经网络的学习方法 | 第19页 |
| ·几种典型的神经网络 | 第19-22页 |
| ·人工神经网络的发展趋势 | 第22-24页 |
| 第三章 BP 神经网络算法的改进及其仿真研究 | 第24-41页 |
| ·BP 算法的数学描述 | 第24-27页 |
| ·BP 算法的缺陷 | 第27-28页 |
| ·提高训练速度的方法——几种改进的BP算法 | 第28-30页 |
| ·附加动量项法 | 第28页 |
| ·自适应学习率法 | 第28-29页 |
| ·附加动量项与自适应学习率结合的快速 BP 算法 | 第29-30页 |
| ·BP 算法的一种改进——改进的共轭梯度BP 算法 | 第30-32页 |
| ·共轭梯度法 | 第30-31页 |
| ·改进共轭梯度法 | 第31-32页 |
| ·面向MATLAB 的BP 神经网络仿真和分析 | 第32-40页 |
| ·一般BP 算法及其改进算法训练过程的不同 | 第32-39页 |
| ·BP 神经网络的函数逼近 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于BP 神经网络的PID 控制方法研究 | 第41-54页 |
| ·PID 控制器原理及其参数自整定 | 第41-45页 |
| ·基于改进BP 神经网络的PID 控制器设计 | 第45-50页 |
| ·基于BP 神经网络的PID 控制原理 | 第46-48页 |
| ·改进共轭梯度算法应用于 BP 网络 | 第48-50页 |
| ·基于改进BP 神经网络的PID 控制算法实现 | 第50页 |
| ·实例仿真 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 结束语 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 发表论文情况 | 第59-60页 |
| 致谢 | 第60页 |