| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·选题背景及研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文结构及主要工作 | 第14-16页 |
| 第二章 滑模变结构控制概述 | 第16-28页 |
| ·滑模变结构控制的发展 | 第16-18页 |
| ·滑模变结构控制的基本概念与性质 | 第18-23页 |
| ·滑模变结构控制的基本原理 | 第18-20页 |
| ·滑动模态的到达条件 | 第20-21页 |
| ·滑动模态的不变性 | 第21-23页 |
| ·滑模变结构控制的及抖振问题 | 第23-24页 |
| ·抖振现象 | 第23-24页 |
| ·抖振的削弱方法 | 第24页 |
| ·变结构控制系统的设计 | 第24-25页 |
| ·滑模变结构控制二阶系统的实例 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 人工神经网络概述 | 第28-42页 |
| ·人工神经网络简介 | 第28页 |
| ·人工神经网络的特点 | 第28-29页 |
| ·人工神经网络模型的选取原则 | 第29-31页 |
| ·人工神经网络模型的设计 | 第31-33页 |
| ·人工神经网络应用系统的评价 | 第33-34页 |
| ·BP 网络学习算法的改进 | 第34-37页 |
| ·RBF 神经网络概述 | 第37-39页 |
| ·RBF 概述及其网络结构 | 第37-38页 |
| ·RBF 网络解决内插问题 | 第38-39页 |
| ·RBF 网络的特点 | 第39页 |
| ·RBF 网络学习算法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于改进RBF 神经网络的等效滑模控制 | 第42-56页 |
| ·等效控制问题概述 | 第42-44页 |
| ·等效控制 | 第42-43页 |
| ·滑动模态运动方程 | 第43-44页 |
| ·基于经典梯度下降算法的RBF 神经网络等效滑模控制 | 第44-48页 |
| ·被控对象描述 | 第44页 |
| ·等效控制器设计 | 第44-45页 |
| ·基于经典梯度下降算法的RBF 神经滑模控制器设计 | 第45-47页 |
| ·基于经典梯度下降算法的RBF 神经网络等效滑模控制仿真实例 | 第47-48页 |
| ·基于中心向量动态递推算法的RBF 网络的等效滑模控制 | 第48-51页 |
| ·中心向量的动态递推算法 | 第48-49页 |
| ·基于 RBF 神经网络中心向量动态递推算法的神经滑模控制器设计 | 第49页 |
| ·基于中心向量动态递推算法的RBF 网络的等效滑模控制仿真 | 第49-51页 |
| ·基于自适应学习速率的RBF 网络的等效滑模控制 | 第51-55页 |
| ·基于自适应学习速率的RBF 神经滑模控制器设计 | 第51-52页 |
| ·基于自适应学习速率的RBF 神经网络等效滑模控制仿真 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 GA 优化的 RBF 网络(GA_RBF)在等效滑模控制中的应用研究 | 第56-86页 |
| ·遗传算法 | 第56-62页 |
| ·遗传算法概述 | 第56-57页 |
| ·遗传算法的数学基础 | 第57-58页 |
| ·基本遗传算法描述 | 第58-59页 |
| ·遗传算法的基本操作 | 第59-60页 |
| ·遗传算法的实现步骤 | 第60-62页 |
| ·用GA 优化RBF 神经网络的应用 | 第62-65页 |
| ·遗传算法的应用 | 第62-63页 |
| ·遗传算法与神经网络结合介绍 | 第63-65页 |
| ·GA_RBF 在等效滑模控制应用中的优化方案 | 第65-70页 |
| ·遗传算法要素的选择 | 第65-66页 |
| ·遗传算法优化RBF 网络原理 | 第66页 |
| ·GA_RBF 网络逼近仿真实例逼近算法 | 第66-67页 |
| ·GA_RBF 网络逼近仿真实例 | 第67-70页 |
| ·基于梯度下降算法的GA_RBF 网络补偿控制的滑模控制器设计 | 第70-75页 |
| ·基于梯度下降算法的GA_RBF 网络训练数据的采集 | 第70页 |
| ·基于梯度下降算法的遗传算法优化RBF 网络的原理 | 第70-71页 |
| ·基于梯度下降算法的GA_RBF 网络等效滑模控制仿真 | 第71-75页 |
| ·基于K.Furuta 控制算法的GA_RBF 网络补偿控制的滑模控制器设计 | 第75-84页 |
| ·基于K.Furuta 控制算法的等效滑模控制器的设计 | 第75-78页 |
| ·基于K.Furuta 控制算法的GA_RBF 网络训练数据的采集 | 第78页 |
| ·基于K.Furuta 控制算法的遗传算法优化RBF 网络的原理 | 第78-79页 |
| ·基于K.Furuta 控制算法的GA_RBF 网络的等效滑模控制仿真 | 第79-84页 |
| ·本章小结 | 第84-86页 |
| 总结与展望 | 第86-88页 |
| 参考文献 | 第88-93页 |
| 附录 | 第93-127页 |
| 致谢 | 第127-128页 |
| 发表论文情况说明 | 第128-129页 |
