| 第一章 综述 | 第1-19页 |
| 1．1 引言 | 第9-11页 |
| 1．2 人工神经网络的发展概述 | 第11-14页 |
| 1．3 神经控制 | 第14-16页 |
| 1．4 神经控制与其它控制方法的结合 | 第16-18页 |
| 1．4．1 神经控制与 PID控制的结合 | 第16-17页 |
| 1．4．2 模糊神经控制 | 第17-18页 |
| 1．5 本文的主要工作 | 第18-19页 |
| 第二章 神经元控制、模糊控制和灰色预测控制 | 第19-34页 |
| 2．1 引言 | 第19页 |
| 2．2 神经元非模型控制 | 第19-23页 |
| 2．2．1 面向控制的神经元模型及学习策略 | 第20-21页 |
| 2．2．2 神经元非模型控制方法 | 第21-23页 |
| 2．3 模糊控制 | 第23-28页 |
| 2．3．1 模糊系统 | 第23-27页 |
| 2．3．2 公式法的模糊控制算法 | 第27-28页 |
| 2．4 灰色预测控制 | 第28-32页 |
| 2．4．1 灰色系统和灰色预测 | 第28-29页 |
| 2．4．2 灰色预测的 GM模型 | 第29-32页 |
| 2．5 小结 | 第32-34页 |
| 第三章 增益自调整的神经元控制算法 | 第34-52页 |
| 3．1 引言 | 第34页 |
| 3．2 增益模糊自调整的神经元控制 | 第34-40页 |
| 3．2．1 神经元控制 | 第35-37页 |
| 3．2．2 基于查表法的模糊增益自调整神经元控制 | 第37-40页 |
| 3．3 基于公式法的模糊增益自调整神经元控制 | 第40-42页 |
| 3．3．1 基于公式法的模糊推理 | 第41-42页 |
| 3．3．2 基于公式法的模糊增益自调整神经元非模型控制方法 | 第42页 |
| 3．4 钢铁连铸过程的神经元控制 | 第42-48页 |
| 3．4．1 钢铁连铸过程的动态特性 | 第43-45页 |
| 3．4．2 两种增益自调整神经元控制方法的仿真实验与结果 | 第45-48页 |
| 3．5 pH中和过程的神经元控制 | 第48-51页 |
| 3．5．1 pH中和过程的对象特性 | 第48-49页 |
| 3．5．2 基于改进查表法的模糊神经元控制实验与结果 | 第49-51页 |
| 3．6 小结 | 第51-52页 |
| 第四章 灰色预测改进神经元增益调整算法 | 第52-60页 |
| 4．1 引言 | 第52页 |
| 4．2 灰色预测 | 第52-54页 |
| 4．3 基于灰色预测的神经元控制 | 第54-56页 |
| 4．4 仿真结果与分析 | 第56-59页 |
| 4．4．1 钢铁连铸过程的控制仿真实验 | 第56-58页 |
| 4．4．2 滞后对象的控制仿真实验 | 第58-59页 |
| 4．5 小结 | 第59-60页 |
| 第五章 总结 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 作者在攻读硕士学位期间发表的论文 | 第66-67页 |
| 作者简介 | 第67-68页 |
