基于神经网络的非线性预测控制研究
| 目录 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题的目的和意义 | 第10-11页 |
| ·预测控制的国内外研究现状与发展趋势 | 第11-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 第2章 预测控制基本理论与DMC的仿真研究 | 第16-31页 |
| ·预测控制的基本理论 | 第16-21页 |
| ·预测控制提出的背景 | 第16页 |
| ·预测控制的基本原理与结构 | 第16-19页 |
| ·预测控制中预测模型的数学描述 | 第19-21页 |
| ·动态矩阵控制算法(DMC) | 第21-30页 |
| ·动态矩阵控制算法 | 第21-25页 |
| ·相关参数分析 | 第25页 |
| ·DMC的稳定性和鲁棒性 | 第25-26页 |
| ·动态矩阵控制算法的实现步骤 | 第26页 |
| ·动态矩阵控制的仿真研究 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 神经网络基础与基于BP和RBF的辨识 | 第31-49页 |
| ·人工神经网络的基本理论 | 第31-35页 |
| ·神经元及其网络构成 | 第31-34页 |
| ·神经网络的功能和学习方式 | 第34-35页 |
| ·常用的神经网络及其研究 | 第35页 |
| ·多层前向神经网络及误差反向传播(BP)算法 | 第35-40页 |
| ·误差反向传播(BP)算法 | 第35-37页 |
| ·BP学习算法注意事项 | 第37-38页 |
| ·带动量项的自适应调整学习率的BP算法 | 第38页 |
| ·BP神经网络辨识仿真 | 第38-40页 |
| ·RBF神经网络 | 第40-47页 |
| ·RBF神经网络概述 | 第40-41页 |
| ·网络模型 | 第41-42页 |
| ·RBF网络的学习方法 | 第42-43页 |
| ·RBF学习算法的改进 | 第43-46页 |
| ·RBF神经网络辨识仿真 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于BP神经网络的动态矩阵预测控制研究 | 第49-55页 |
| ·神经网络预测控制的一般结构 | 第49-50页 |
| ·BP神经网络动态矩阵预测控制 | 第50-53页 |
| ·BP神经网络动态矩阵预测控制的结构 | 第50页 |
| ·BP神经网络动态矩阵预测模型的建立 | 第50-52页 |
| ·BP神经网络动态矩阵预测控制律的计算 | 第52-53页 |
| ·基于BP神经网络的动态矩阵预测控制的仿真研究 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于RBF神经网络的动态矩阵预测控制研究 | 第55-63页 |
| ·RBF神经网络预测控制 | 第55-57页 |
| ·RBF网络预测控制建模 | 第55-56页 |
| ·RBF网络预测控制的优化计算 | 第56-57页 |
| ·一种基于RBF网络的动态矩阵预测控制 | 第57-61页 |
| ·非线性动态矩阵预测模型 | 第57-58页 |
| ·非线性方程组迭代算法 | 第58-59页 |
| ·RBF网络预测模型与动态系数矩阵的确定 | 第59-61页 |
| ·基于RBF网络的动态矩阵预测控制的仿真研究 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第70页 |
