模糊神经网络在列车制动控制中的建模及应用
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-13页 |
| ·列车运行控制发展现状 | 第13-17页 |
| ·理论研究现状 | 第13-16页 |
| ·控制系统发展现状 | 第16-17页 |
| ·论文的结构框架 | 第17-19页 |
| 2 模糊神经网络的数学理论 | 第19-30页 |
| ·模糊系统理论 | 第19-23页 |
| ·模糊系统的结构 | 第19-20页 |
| ·模糊系统的模型 | 第20-22页 |
| ·模糊系统的非线性逼近能力 | 第22-23页 |
| ·神经网络理论 | 第23-26页 |
| ·神经网络的基本原理 | 第23页 |
| ·多层前馈网络-BP网络 | 第23-25页 |
| ·多层前向网络的非线性逼近能力 | 第25-26页 |
| ·模糊神经网络的结构及学习算法 | 第26-28页 |
| ·标准模糊神经网络的结构模型 | 第26-27页 |
| ·标准型模糊神经网络的学习算法 | 第27-28页 |
| ·小结 | 第28-30页 |
| 3 列车制动控制分析 | 第30-39页 |
| ·列车制动过程的理论分析 | 第30-31页 |
| ·列车制动过程的PID控制 | 第31-33页 |
| ·列车制动的PID控制原理 | 第31-32页 |
| ·列车运行的PID控制方式 | 第32-33页 |
| ·模糊神经网络在列车制动中建模的必要性分析 | 第33-34页 |
| ·模糊神经网络在列车制动中建模的可行性分析 | 第34-38页 |
| ·现实意义上的可行性 | 第34-37页 |
| ·理论意义上的可行性 | 第37-38页 |
| ·小结 | 第38-39页 |
| 4 基于模糊神经网络的列车制动控制模型算法 | 第39-53页 |
| ·改进的模糊神经网络模型及学习算法 | 第39-45页 |
| ·改进的模糊神经网络模型 | 第39-40页 |
| ·模型的全局逼近性质 | 第40-42页 |
| ·学习算法 | 第42-43页 |
| ·模糊规则数的确定 | 第43-44页 |
| ·算法流程 | 第44-45页 |
| ·基于模糊神经网络的列车制动控制模型的建立 | 第45-51页 |
| ·列车制动过程的划分 | 第45-46页 |
| ·输入输出变量的分析 | 第46-47页 |
| ·列车制动控制模型的建立 | 第47-49页 |
| ·网络结构 | 第49页 |
| ·样本及隶属度函数的确定 | 第49-50页 |
| ·模型结构参数的辨识 | 第50-51页 |
| ·网络训练流程 | 第51-52页 |
| ·小结 | 第52-53页 |
| 5 仿真算例 | 第53-69页 |
| ·仿真的过程和步骤 | 第53-54页 |
| ·控制系统模型的生成 | 第54-65页 |
| ·仿真样本数据 | 第54-58页 |
| ·样本的聚类划分 | 第58-59页 |
| ·样本的训练 | 第59-61页 |
| ·隶属度函数的定义及推理规则 | 第61-64页 |
| ·样本的学习 | 第64-65页 |
| ·仿真实现及结果分析 | 第65-67页 |
| ·小结 | 第67-69页 |
| 6 结论与展望 | 第69-71页 |
| ·主要研究结论 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |
