| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题的研究背景及意义 | 第11-13页 |
| 1.2 性能评估方法的国内外研究发展现状 | 第13-15页 |
| 1.3 本文的研究内容及机构安排 | 第15-17页 |
| 第二章 基于最小熵准则的非高斯反馈控制系统性能评估研究 | 第17-41页 |
| 2.1 引言 | 第17页 |
| 2.2 性能评估的基本方法 | 第17-22页 |
| 2.2.1 以最小方差准则为基准的性能评估方法 | 第17-19页 |
| 2.2.2 性能评估新指标的选取 | 第19-21页 |
| 2.2.3 基于最小熵基准的控制系统性能评估 | 第21-22页 |
| 2.3 现有的最小熵基准存在的问题 | 第22-26页 |
| 2.3.1 概率密度函数的离散化尺度 | 第22-24页 |
| 2.3.2 同分布随机变量和的概率密度函数 | 第24-26页 |
| 2.4 基于修正的最小熵基准的反馈控制回路性能评估方法 | 第26-30页 |
| 2.4.1 修正的最小熵基准 | 第26-29页 |
| 2.4.2 均值限定的最小熵基准 | 第29-30页 |
| 2.5 仿真实例 | 第30-39页 |
| 2.6 本章小节 | 第39-41页 |
| 第三章 最小熵下限的估计方法 | 第41-55页 |
| 3.1 引言 | 第41页 |
| 3.2 时间序列模型与模型参数估计的背景介绍 | 第41-44页 |
| 3.2.1 一些基本的时间序列模型 | 第41-42页 |
| 3.2.2 模型的参数估计 | 第42-44页 |
| 3.3 最小熵下限的估计 | 第44-50页 |
| 3.3.1 概率密度函数(PDF)的估计方法 | 第44-46页 |
| 3.3.2 ARMA算法 | 第46-48页 |
| 3.3.3 最小熵下限估计方法 | 第48-50页 |
| 3.4 仿真实例 | 第50-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 一类非线性高斯控制系统的控制性能评估 | 第55-65页 |
| 4.1 引言 | 第55页 |
| 4.2 非线性系统的反馈不变量 | 第55-58页 |
| 4.3 Volterra级数近似非线性模型 | 第58-60页 |
| 4.3.1 Volterra级数 | 第58-59页 |
| 4.3.2 基于的非线性系统辨识 | 第59-60页 |
| 4.4 仿真实例 | 第60-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 结论与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 研究成果及发表的学术论文 | 第73-75页 |
| 作者和导师简介 | 第75-77页 |
| 附件 | 第77-78页 |