| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-25页 |
| ·引言 | 第13页 |
| ·非线性系统控制的方法 | 第13-14页 |
| ·传统理论方法 | 第13页 |
| ·变结构控制 | 第13-14页 |
| ·微分几何法 | 第14页 |
| ·逆系统方法 | 第14页 |
| ·智能控制 | 第14页 |
| ·非线性预测控制 | 第14-19页 |
| ·非线性预测控制的发展 | 第14-15页 |
| ·非线性预测控制的主要研究方法 | 第15-17页 |
| ·非线性预测控制有待解决的问题 | 第17-19页 |
| ·神经网络技术 | 第19-22页 |
| ·神经网络简介 | 第19-20页 |
| ·神经网络非线性预测控制及其应用 | 第20-22页 |
| ·本文研究的主要内容 | 第22-25页 |
| 第二章 预测控制 | 第25-35页 |
| ·预测控制产生与发展 | 第25-26页 |
| ·预测控制的基本原理 | 第26-28页 |
| ·预测模型 | 第27页 |
| ·滚动优化 | 第27-28页 |
| ·反馈校正 | 第28页 |
| ·广义预测控制 | 第28-32页 |
| ·广义预测控制基本算法 | 第29-31页 |
| ·广义预测控制参数选择 | 第31-32页 |
| ·预测控制的性能分析 | 第32-34页 |
| ·预测控制的稳定性 | 第32-33页 |
| ·预测控制的鲁棒性 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 改进Elman神经网络对非线性系统的辨识 | 第35-45页 |
| ·引言 | 第35-36页 |
| ·改进Elman网络的结构 | 第36-37页 |
| ·神经网络对非线性系统的辨识 | 第37-42页 |
| ·神经网络辨识原理 | 第37-38页 |
| ·非线性系统辨识模型的表示 | 第38-39页 |
| ·改进Elman神经网络的学习算法 | 第39-42页 |
| ·神经网络结构的确定 | 第42页 |
| ·仿真研究 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于改进Elman神经网路的非线性预测控制 | 第45-65页 |
| ·引言 | 第45页 |
| ·基于改进Elman神经网络的预测控制 | 第45-50页 |
| ·多步预测模型 | 第45-47页 |
| ·改进Elman网络的多步预测 | 第47-48页 |
| ·基于改进Elman网络的预测控制器 | 第48-50页 |
| ·改进粒子群算法作为优化算法的神经网络预测控制 | 第50-56页 |
| ·改进粒子群算法 | 第50-53页 |
| ·预测控制器的设计 | 第53-56页 |
| ·改进Elman网络权值系数的在线算法 | 第56页 |
| ·仿真研究 | 第56-63页 |
| ·非线性模型仿真研究 | 第56-58页 |
| ·优化控制器方法的仿真 | 第58-59页 |
| ·连续搅拌反应釜的SIMULINK仿真 | 第59-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 结论与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文 | 第73页 |