| 致谢 | 第1-4页 |
| 中文摘要 | 第4-6页 |
| 英文摘要 | 第6-9页 |
| 目录 | 第9-13页 |
| 第一章 化工过程混合建模 | 第13-37页 |
| 1．1 引言 | 第13-14页 |
| 1．2 机理建模 | 第14-15页 |
| 1．3 辨识建模 | 第15-17页 |
| 1．4 混合建模 | 第17-26页 |
| 1．4．1 混合建模的优化方法 | 第17-19页 |
| 1．4．2 混合建模的设计方法 | 第19-20页 |
| 1．4．3 模糊神经网络 | 第20-24页 |
| 1．4．4 混合建模的多模型方法 | 第24-26页 |
| 1．5 本文主要内容 | 第26-27页 |
| 1．6 结论 | 第27-28页 |
| 1．7 参考文献 | 第28-37页 |
| 第二章 基于神经网络的自组织模糊系统 | 第37-57页 |
| 2．1 引言 | 第37-38页 |
| 2．2 模糊神经网络的基本结构 | 第38-41页 |
| 2．2．1 模糊系统的描述 | 第38-39页 |
| 2．2．2 网络结构 | 第39-41页 |
| 2．3 模糊神经网络的两步混合学习算法 | 第41-45页 |
| 2．3．1 最近聚类学习算法 | 第41-43页 |
| 2．3．2 模糊神经网络的梯度下降学习算法 | 第43-44页 |
| 2．3．3 在线自学习 | 第44-45页 |
| 2．4 仿真研究 | 第45-50页 |
| 2．5 基于模糊神经网络的产品质量在线预报器 | 第50-54页 |
| 2．6 结论 | 第54-55页 |
| 2．7 参考文献 | 第55-57页 |
| 第三章 径向基网络的部分最小二乘学习算法 | 第57-71页 |
| 3．1 前言 | 第57-58页 |
| 3．2 多输入多输出系统线性回归模型 | 第58-60页 |
| 3．3 径向基网络的部分最小二乘算法 | 第60-62页 |
| 3．4 仿真 | 第62-69页 |
| 3．4．1 非线性函数逼近 | 第62-66页 |
| 3．4．2 加热炉建模 | 第66-69页 |
| 3．5 结论 | 第69页 |
| 3．6 参考文献 | 第69-71页 |
| 第四章 基于模糊—线性复合模型的非线性自适应预测控制算法 | 第71-89页 |
| 4．1 引言 | 第71-72页 |
| 4．2 模糊-线性复合模型及其递推辨识算法 | 第72-76页 |
| 4．2．1 线性模型 | 第73-74页 |
| 4．2．2 模糊模型的在线递推辨识算法 | 第74-75页 |
| 4．2．3 模糊—线性复合模型的任意逼近性 | 第75-76页 |
| 4．3 基于模糊—线性复合模型的非线性自适应预测控制算法 | 第76-77页 |
| 4．4 仿真研究 | 第77-83页 |
| 4．5 实验结果 | 第83-87页 |
| 4．6 结论 | 第87页 |
| 4．7 参考文献 | 第87-89页 |
| 第五章 结合专家经验的化工过程混合建模研究 | 第89-101页 |
| 5．1 前言 | 第89-90页 |
| 5．2 T-S模糊模型 | 第90-91页 |
| 5．2．1 T-S模糊模型的描述 | 第90页 |
| 5．2．2 T-S模糊模型辨识 | 第90-91页 |
| 5．3 模糊混合建模研究 | 第91-94页 |
| 5．3．1 模糊专家模型 | 第91-92页 |
| 5．3．2 线性模型 | 第92页 |
| 5．3．3 模糊混合建模 | 第92-93页 |
| 5．3．4 模糊混合模型的辨识算法 | 第93-94页 |
| 5．3．5 模糊混合模型是一个万能的函数逼近器 | 第94页 |
| 5．4 仿真研究 | 第94-99页 |
| 5．4．1 模糊专家模型的预报结果 | 第94-96页 |
| 5．4．2 传统T-S模糊模型的预报结果 | 第96页 |
| 5．4．3 模糊混合模型的预报结果 | 第96-98页 |
| 5．4．4 三种模型静态特性的比较 | 第98-99页 |
| 5．5 结论 | 第99页 |
| 5．6 参考文献 | 第99-101页 |
| 第六章 一种基于线性准稳态数据校正的容错模型研究 | 第101-117页 |
| 6．1 前言 | 第101-103页 |
| 6．2 线性准稳态数据校正的基本原理 | 第103-105页 |
| 6．3 基于线性准稳态数据校正的容错模型 | 第105-108页 |
| 6．3．1 模型辨识问题描述 | 第105-106页 |
| 6．3．2 基于线性准稳态数据校正的容错模型 | 第106-107页 |
| 6．3．3 基于线性准稳态数据校正的容错模型的容错范围 | 第107-108页 |
| 6．3．4 基于线性准稳态数据校正的容错模型在线预报策略 | 第108页 |
| 6．4 仿真研究 | 第108-115页 |
| 6．5 讨论 | 第115页 |
| 6．6 结论 | 第115-116页 |
| 6．7 参考文献 | 第116-117页 |
| 第七章 基于T-S模糊模型的非线性预测控制策略研究 | 第117-129页 |
| 7．1 前言 | 第117-118页 |
| 7．2 模糊多步预报器 | 第118-121页 |
| 7．2．1 T-S模糊模型 | 第118-119页 |
| 7．2．2 模糊多步预报器 | 第119-121页 |
| 7．3 基于T-S模糊模型的非线性预测控制策略 | 第121-125页 |
| 7．4 仿真研究 | 第125-128页 |
| 7．5 结论 | 第128页 |
| 7．6 参考文献 | 第128-129页 |
| 第八章 结束语 | 第129-131页 |
| 8．1 研究工作的总结 | 第129-130页 |
| 8．2 混合建模研究发展展望 | 第130-131页 |
| 缩略语注释表 | 第131-133页 |
| 作者在攻读博士学位期间发表及完成论文 | 第133-135页 |
| 作者在攻读博士学位期间参加及完成课题情况 | 第135-137页 |
| 作者简介 | 第137页 |
