| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 图录 | 第11-12页 |
| 表录 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题背景及研究意义 | 第13-15页 |
| 1.2 自整定技术的研究现状 | 第15-18页 |
| 1.2.1 系统辨识的研究现状 | 第15-16页 |
| 1.2.2 控制器参数整定技术的研究现状 | 第16-18页 |
| 1.3 机器学习技术的国内外研究现状 | 第18-19页 |
| 1.4 本文的研究工作和结构安排 | 第19-22页 |
| 第二章 GPR 方法及其改进 | 第22-38页 |
| 2.1 引言 | 第22-23页 |
| 2.2 高斯过程原理 | 第23-26页 |
| 2.2.1 预测与回归 | 第23-24页 |
| 2.2.2 训练 | 第24-26页 |
| 2.3 GPR 数据子集近似方法研究 | 第26-37页 |
| 2.3.1 高斯过程回归存在的主要问题和通用的改进方法 | 第26-28页 |
| 2.3.2 常用的子集近似方法 | 第28-30页 |
| 2.3.3 基于距离指标的混合算法 | 第30-32页 |
| 2.3.4 基于最大方差指标的近似方法 | 第32-34页 |
| 2.3.5 仿真 | 第34-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 基于改进 GPR 的辨识方法研究 | 第38-52页 |
| 3.1 引言 | 第38-39页 |
| 3.2 基本的辨识方法 | 第39-43页 |
| 3.2.1 两点法 | 第39页 |
| 3.2.2 面积法 | 第39-40页 |
| 3.2.3 一阶纯滞后对象的最小二乘法 | 第40-41页 |
| 3.2.4 二阶纯滞后对象的最小二乘法 | 第41-43页 |
| 3.3 基于改进 GPR 的最小二乘法辨识方法 | 第43-47页 |
| 3.3.1 原理 | 第43-44页 |
| 3.3.2 仿真 | 第44-47页 |
| 3.4 基于改进 GPR 无模型辨识方法研究 | 第47-50页 |
| 3.4.1 原理 | 第47-49页 |
| 3.4.2 仿真 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 基于 GPR 的稳定对象 PID 控制器参数整定方法 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 基本的 PID 控制器整定方法 | 第52-54页 |
| 4.2.1 Z-N 经验公式法 | 第53页 |
| 4.2.2 ISTE 最优设定方法 | 第53-54页 |
| 4.3 基于H 的稳定对象 PID 整定方法 | 第54-59页 |
| 4.3.1 原理 | 第54-56页 |
| 4.3.2 仿真实例 | 第56-59页 |
| 4.4 基于改进 GPR 的控制器性能度确定方法 | 第59-65页 |
| 4.4.1 性能度分析 | 第59-61页 |
| 4.4.2 一阶稳定对象性能度预测方法 | 第61-63页 |
| 4.4.3 仿真实例 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 不稳定对象控制器整定方法 | 第66-78页 |
| 5.1 引言 | 第66页 |
| 5.2 常用的不稳定对象控制器参数整定方法 | 第66-67页 |
| 5.2.1 改进的 ZN 法 | 第66页 |
| 5.2.2 三自由度法 | 第66-67页 |
| 5.3 基于麦克劳林展开和 Pade 近似的不稳定对象整定方法 | 第67-75页 |
| 5.3.1 原理 | 第67-71页 |
| 5.3.2 仿真 | 第71-73页 |
| 5.3.3 鲁棒性分析 | 第73-75页 |
| 5.4 基于改进 GPR 的不稳定对象控制器性能度确定方法 | 第75-77页 |
| 5.4.1 性能度分析 | 第75-76页 |
| 5.4.2 仿真实例 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第六章 总结和展望 | 第78-81页 |
| 6.1 全文总结 | 第78-79页 |
| 6.2 全文展望 | 第79-81页 |
| 参考文献 | 第81-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士期间论文与专利 | 第84-85页 |
| 附件 | 第85页 |
